又好久沒寫文章了~今天來寫寫數據庫join的事情
其實最近在看《長安十二時辰》，講實話蠻好看的，爲此我還用支付寶的積分換了一個月的優酷會員呢！
寫了挺長時間的sql，join這個功能應該說是非常常見，而且非常好用的了，他的實現是將兩部分數據笛卡爾積，然後通過on字段來篩選符合條件的結果。
一、等值join
等值的join一般是實現兩種功能：
1、過濾掉不需要的數據
場景：
表A有100W人的行爲
表B有10W人的uid
表A Join 表B，就可以得到表B中10W人的行爲
2、獲得更多信息
表A有10W人的uid和基礎屬性
表B有10W人的下訂單的數據
表C有具體商品的詳細信息
三表關聯就可以得到10W人的基礎信息和他們所購買的所有商品的詳細信息
題外話：場景一在大數據場景下，各種框架都會有優化，優化的策略基本都是內存加載表B，然後讀取表A每一條數據的時候，直接判斷該條數據的uid是否存在於表B，以此來決定表A中哪些數據該保留，哪些不該保留。hive中這個功能叫map join，spark通過廣播變量實現。
二、那麼來說說不等值的join
不等值join一般也有如下場景
1、某個數據段的匹配
舉兩個例子說明：
例子一：購買折扣商品：
一次性買1~10個，打8折
一次性買11~20個，打6折
一次性買21~30個，打5折
小明買了25個，應該打幾折呢？
表A：
| 開始個數 | 結束個數 | 折扣 |
| 1 | 10 | 0.8 |
| 11 | 20 | 0.6 |
| 21 | 30 | 0.5 |
表B：
| uid | 購買個數 |
| 小明 | 25 |
| 小紅 | 13 |
--sql實現：
select uid,購買個數,折扣
from 表B
inner join 表A
on 表B.購買個數 >=表A.開始個數 and 表B.購買個數 <=表A.結束個數
例子二：跟上一個例子一樣，只是用的是時間維度
我就直接引用別人的文章了
spark sql 不等值 join：https://blog.51cto.com/10120275/2171066（作者：巧克力黑）
2、模糊匹配
簡而言之就是：判斷表A中某個字段是否like表B中的另一個字段
隨便舉個例子：
表A是uid的基礎屬性，表B是一些標籤（就是一些中文），我想要篩選出uid的name中包含表B中任一標籤的uid都有誰
--greenplum的寫法
SELECT *
FROM 表A
INNER JOIN
(SELECT
tag from 表B where 某些篩選條件) b
ON username LIKE '%'|| tag||'%'
--mysql的寫法
SELECT *
FROM 表A
INNER JOIN
(SELECT
tag from 表B where 某些篩選條件) b
ON username LIKE CONCAT('%' , tag , '%')
大部分的數據庫都是支持以上的sql的，但是比如大數據常用的框架Hive其實是不支持非等值的join的，所以思想是一樣，只是實現不一樣！
hive可以通過locate函數實現
【Hive】join中的模糊匹配（locate）：https://blog.csdn.net/qq_34105362/article/details/80540164（作者：喜東東cc）
所以，其實sql是很好用的工具，雖然數據庫多種多樣，但是他的實現思想很共通，而且網上能搜索到的資料還是比較全的，在做數據開發的時候，還需多加思考該功能用sql如何實現，畢竟大多數場景下，能從sql中直接得到結果的開發時間是較短的，效率也是較高的，而且移植起來也是相對比較容易的！！
本人菜雞一隻，不過還是很努力在寫博客，力爭寫出不誤導他人的博文！所以如果有哪裏寫得有誤，還請大家批評指正，我一定立馬修改~
寫下這篇文章，還得感謝下我的王基友，產品經理隨便說了一個試試看的需求，我本意是想用代碼實現，但又覺得麻煩，在和王基友的討論下，決定還是用非等值join來實現，當然確實是又快又好的實現了這個需求（雖然這個需求只是試試），果然要多和有經驗的厲害的人討論問題開闊視野啊，時常覺得自己是井底之蛙~呱呱！