来源：大数据左右手

昨天加班遇到一个SQL问题，本想把别人的SQL改下成SparkSQL，在YARN上运行，然而数据一直对不上，然后故事就来了。

如果下面有错误的认知，麻烦评论留言告诉我。

原SQL

⚠️说明：a.id，b.id没有空的，数据1:1，b.name可能存在空的

select 
  count(1)
from table_a a 
left join table_b b 
 on a.id = b.id and b.is_delete = 0 and b.name is not null
where 
exists(
  select 1 from  table_b c 
  where a.id = c.id and c.is_delete = 0
)

改后的

想法是：既然exists过滤了，为什么不直接inner join呢，于是乎：

select 
 count(1)
from table_a a 
inner join table_b b 
 on a.id = b.id and b.is_delete = 0  

求助群友

问了下群友，区别是我一直以为left join 后 b.name is not null并没什么用，就没有带，我问群友，下面这两个SQL有什么区别：

select 
  *
from table_a a 
left join table_b b 
 on a.id = b.id and b.is_delete = 0 
where 
exists(
  select 1 from  table_b c 
  where a.id = c.id and c.is_delete = 0
)



select 
  *
from table_a a 
inner join table_b b 
 on a.id = b.id and b.is_delete = 0  

群友问AI的结果这样的回答，不太对

自悟

然后仔细去品味这两个SQL有什么不同

-- （1）
select 
  a.id,
  b.id,
  b.name
from table_a a 
left join table_b b 
 on a.id = b.id and b.is_delete = 0 and b.name is not null
where 
exists(
  select 1 from  table_b c 
  where a.id = c.id and c.is_delete = 0
)


-- （2）

select 
  a.id,
  b.id,
  b.name
from table_a a 
inner join table_b b 
 on a.id = b.id and b.is_delete = 0  

数据table_a

数据table_b

结论： 

（1）sql计算会剔除掉 table_a 不符合 a.id = c.id and c.is_delete = 0 条件的数据。加上 name is not null。最后的数据会出现这两类情况：

a.id,null,null   # name为null，b表全部为空
a.id,b.id,b.name # 全

（2）sql计算后则会出现这两类情况：

a.id,b.id,null   
a.id,b.id,b.name # 全部有值

所以，count的时候是没有问题的，两个都可以，如果是取具体的值有所区别。

拓展

如果a.id b.id 是1:n 呢?

数据table_a

数据table_b

-- （1）
select 
  a.id,
  b.id,
  b.name
from table_a a 
left join table_b b 
 on a.id = b.id and b.is_delete = 0 and b.name is not null
where 
exists(
  select 1 from  table_b c 
  where a.id = c.id and c.is_delete = 0
)

-- （2）

select 
   a.id,
  b.id,
  b.name
from table_a a 
inner join table_b b 
 on a.id = b.id and b.is_delete = 0 

所以，如果count的时候，1对n 相对于1:1 是有区别的。

最后

（1）菜就要学，就要钻研。 

（2）加班使人头疼，头脑不灵光。 

（3）具体问题，具体分析。