在hive sql开发的过程中，对于当前数据在另一个数据集合中，是否存在的判断有三种方式，一种是in ，一种是exists，另一种可以是left semi join，但是由于hive不支持in|not in子查询，所以如果是单纯判断一个值是否在一个集合里面存在的时候，可以用in，但是判断一个集合在另一个集合存在的时候，还是推荐使用exists和left semi join。
一、数据准备
1，建表
CREATE TABLE test.in_test1
(
id varchar(10)
,name varchar(10)
,sex varchar(10)
,age varchar(10)
);
CREATE TABLE test.in_test2
(
id varchar(10)
,name varchar(10)
,class varchar(10)
,school varchar(10)
);2，插入数据
INSERT INTO test.in_test1 VALUES
('1','xiaoming','1','17'),
('2','xiaohua','0','23'),
('3','jack','1','12'),
('4','rose','0','28'),
('5','jenny','0','45'),
('6','judy','0','10'),
('7','wangwu','1','35')
;
INSERT INTO test.in_test2 VALUES
('1','xiaoming','3','花花高中'),
('2','xiaohua','5','北京大学'),
('3','jack','2','新民中学'),
('4','rose','1','清华大学')
;3，查询数据
SELECT * FROM test.in_test1;
SELECT * FROM test.in_test2;
二、join
1，查询语句
SELECT *
FROM test.in_test1 test1
JOIN test.in_test2 test2
ON test1.name = test2.name
；2， 查询结果
三、exists
1，查询语句
SELECT * FROM test.in_test1 test1
WHERE 1=1
AND EXISTS (SELECT * FROM test.in_test2 test2 WHERE test1.name = test2.name)
；2， 查询结果
四、left semi join
left semi join 只传递表的 join key 给 map 阶段，因此left semi join 中最后 select 的结果只许出现左表；遇到右表重复记录，左表会跳过，而 join 则会一直遍历。这就导致右表有重复值得情况下 left semi join 只产生一条，在关联的时候会更加的高效。
1，查询语句
SELECT *
FROM test.in_test1 test1
left semi JOIN test.in_test2 test2
ON test1.name = test2.name；2， 查询结果
总结
所以在判断是否存在的时候，由于Hive 不支持 where 子句中的子查询，所以最好的办法是采用exists和left semi join，这样在运行效率上面也会提高很多。
