Presto - 使用唯一标识符连接多个表答案

【问题标题】：Presto - Concat multiple tables using unique identifierPresto - 使用唯一标识符连接多个表
【发布时间】：2020-04-05 15:35:10
【问题描述】：

我有多个表格，格式如下：

表用户 -

ID lang
1  EN
2  EN
3  DE

表 A -

ID event1 event2
1  5      1
2  null   1
3  11     null

表 B -

ID event1 event10
1  2      1
3  2     null

所以在连接/加入 ID 列上的表格后，我的最终表格将如下所示：

final_table -

ID lang A_event1 A_event2 B_event1 B_event10
1  EN   5        1        2        1
2  EN   null     1        null     null
3  DE   11       null     2        null

所以我在这里有多个问题，首先如何正确地进行连接，以便别名匹配表名并具有最终唯一的列名，即使事件在列内具有相同的命名，我也想要所有缺失的值也会有空值（比如没有用户 ID = 2 的表 B）。

到目前为止，我的尝试并不成功，因为列名会在没有唯一 ID 的情况下重复，并且缺少的值没有正确填充空值。

我已经尝试过的示例：

select t1.*, t2.*, t3.*
from users t1
left join
A t2
using (ID)
left join
B t3
using (ID)

我可以以编程方式构造查询以提供灵活性，但我想知道这种情况的正确语法。

谢谢。

【问题讨论】：

您的语法看起来不错，只是您应该在 select 中明确列出列。

标签： sql hive hiveql presto amazon-athena

【解决方案1】：

您对两个左连接的尝试看起来相当不错。但是，我建议不要使用 using(id) 语法来加入表：涉及 3 个表，您所指的 id 列不明确，这可能导致结果集中的记录丢失：

select
    u.id,
    u.lang,
    ta.event1 A_event1,
    ta.event2 A_event2,
    tb.event1 B_event1,
    tb.event110 B_event10
from users u
left join tableA ta on ta.id = u.id
left join tableB tb on tb.id = u.id

我看不出此查询将如何在结果集中生成重复的 ids（只要 ids 在每个表中都是唯一的，如您的示例数据所示）。

【讨论】：

【解决方案2】：

如果表中的非 id 列是唯一的，那么您可以将其表示为：

select *
from users u left join
     A 
     using (ID) left join
     B
     using (ID);

id在三个表中的意思是一样的，所以用using比较合适。事实上，using 在使用外部 joins 时非常方便（尽管使用 full join 更是如此）。

我不太喜欢使用select *。在这种情况下不合适，因为列不是唯一的。所以编写查询的好方法是：

select u.*,
       a.event1 as a_event1, a.event2 as a_event2,
       b.event1 as b_event1, b.event10 as b_event10
from users u left join
     A 
     using (ID) left join
     B
     using (ID);

【讨论】：