Impala SQL 左反连接

Question

目标是找到给定时间运行出现在左侧table但不出现在右侧table的empid。我有以下两个 Impala 查询，我运行得到了不同的结果？

QUERY 1: select count(dbonetable.empid), COUNT(DISTINCT dbtwotable.empid) from 
(select distinct dbonetable.empid 
from dbonedbtable dbonetable
WHERE (dbonetable.expiration_dt >= '2009-01-01' OR dbonetable.expiration_dt IS NULL) AND dbonetable.effective_dt <= '2019-01-01' AND dbonetable.empid IS NOT NULL) dbonetable
LEFT join dbtwodbtable dbtwotable ON dbonetable.empid = dbtwotable.empid

--43324489  43270569


QUERY 2: select count(*) from (
select distinct dbonetable.empid from dbonedbtable dbonetable
LEFT ANTI join dbtwodbtable dbtwotable ON dbonetable.empid = dbtwotable.empid
AND (dbonetable.expiration_dt >= '2009-01-01' OR dbonetable.expiration_dt IS NULL) AND dbonetable.effective_dt <= '2019-01-01' AND dbonetable.empid IS NOT NULL) tab
--19088973

--For LEFT ANTI JOIN, this clause returns those values from the left-hand table that have no matching value in the right-hand table.

为了解释上下文，查询 2：尝试使用我从此处学到的 LEFT ANTI JOIN 查找所有在 dbonetable 中但不在 dbtwotable 中的 empid： https://www.cloudera.com/documentation/enterprise/5-9-x/topics/impala_joins.html --对于 LEFT ANTI JOIN，此子句 returns 来自左侧 table 的那些值在右侧 table.

中没有匹配值

在查询 1 中：基于 where 子句计算的 dbOnetable 和它的结果是 LEFT OUTER 与 dbtwotable 连接，在那个结果之上，我正在做一个计数（dbonetable.empid）和 COUNT（ DISTINCT dbtwotable.empid) 结果是 --43324489 43270569，也就是 53,920。我的问题是我的查询 1 结果应该是 43324489 -43270569 = 53,920 或者我的查询 2 结果应该是 19088973.

这里可能遗漏了什么，是我的查询 1 不正确吗？还是我的 LEFT ANTI JOIN 具有误导性？提前谢谢大家。

Answer 1

这是不同的，因为您忘记在查询 1

中指定 "where dbtwotable.empid is null"

此外，您的查询 2 在逻辑上与查询 1 不同，因为在查询 1 中，您仅根据 empid1 和 empid2 的等价性进行联接，而在查询 2 中，您的联接具有更多条件，因此表中的公共条目要少得多与查询 1 相比，结果，最终计数要大得多。
如果您在查询 2 中创建与查询 1 中相同的连接条件，并将其他所有内容放入 where 子句中，您将获得与查询 1（更新）中相同的计数，即 53920。这就是您需要的计数

Impala SQL 左反连接

Impala SQL LEFT ANTI JOIN

sql

impala