先给个结论：
总结：Hive SQL 中 LEFT JOIN 单独针对左表的过滤条件必须放在WHERE上，放在ON上的效果是不可预期的，单独针对右表的查询条件放在ON上是先过滤右表，再和左表联表，放在WHERE条件上则是先联表再过滤，语义上存在差别。
补充：对于MYSQL中的LEFT JOIN和Hive中表现相似，更深层次分析可以看看 https://developer.aliyun.com/article/718897
----------------
现象
left join在我们使用mysql查询的过程中可谓非常常见，比如博客里一篇文章有多少条评论、商城里一个货物有多少评论、一条评论有多少个赞等等。但是由于对join、on、where等关键字的不熟悉，有时候会导致查询结果与预期不符，所以今天我就来总结一下，一起避坑。
这里我先给出一个场景，并抛出两个问题，如果你都能答对那这篇文章就不用看了。
假设有一个班级管理应用，有一个表classes，存了所有的班级；有一个表students，存了所有的学生，具体数据如下（感谢廖雪峰的在线SQL）：
SELECT * FROM classes;
id name
1 一班
2 二班
3 三班
4 四班
SELECT * FROM students;
id class_id name gender
1 1 小明 M
2 1 小红 F
3 1 小军 M
4 1 小米 F
5 2 小白 F
6 2 小兵 M
7 2 小林 M
8 3 小新 F
9 3 小王 M
10 3 小丽 F
那么现在有两个需求：
- 找出每个班级的名称及其对应的女同学数量
- 找出一班的同学总数
对于需求1，大多数人不假思索就能想出如下两种sql写法，请问哪种是对的？
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
and s.gender = 'F'
group by c.name或者
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
where s.gender = 'F'
group by c.name
对于需求2，大多数人也可以不假思索的想出如下两种sql写法，请问哪种是对的？
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
where c.name = '一班'
group by c.name
或者
SELECT c.name, count(s.name) as num
FROM classes c left join students s
on s.class_id = c.id
and c.name = '一班'
group by c.name
请不要继续往下翻 ！！先给出你自己的答案，正确答案就在下面。
.
.
.
.
.
.
.
.
答案是两个需求都是第一条语句是正确的，要搞清楚这个问题，就得明白mysql对于left join的执行原理，下节进行展开。
根源
mysql 对于left join的采用类似嵌套循环的方式来进行从处理，以下面的语句为例：
SELECT * FROM LT LEFT JOIN RT ON P1(LT,RT)) WHERE P2(LT,RT)
其中P1是on过滤条件，缺失则认为是TRUE，P2是where过滤条件，缺失也认为是TRUE，该语句的执行逻辑可以描述为：
FOR each row lt in LT {// 遍历左表的每一行
BOOL b = FALSE;
FOR each row rt in RT such that P1(lt, rt) {// 遍历右表每一行，找到满足join条件的行
IF P2(lt, rt) {//满足 where 过滤条件
t:=lt||rt;//合并行，输出该行
}
b=TRUE;// lt在RT中有对应的行
}
IF (!b) { // 遍历完RT，发现lt在RT中没有有对应的行，则尝试用null补一行
IF P2(lt,NULL) {// 补上null后满足 where 过滤条件
t:=lt||NULL; // 输出lt和null补上的行
}
}
}
当然，实际情况中MySQL会使用buffer的方式进行优化，减少行比较次数，不过这不影响关键的执行流程，不在本文讨论范围之内。
从这个伪代码中，我们可以看出两点：
- 如果想对右表进行限制，则一定要在
on条件中进行，若在where中进行则可能导致数据缺失，导致左表在右表中无匹配行的行在最终结果中不出现，违背了我们对left join的理解。因为对左表无右表匹配行的行而言，遍历右表后b=FALSE,所以会尝试用NULL补齐右表，但是此时我们的P2对右表行进行了限制，NULL若不满足P2(NULL一般都不会满足限制条件，除非IS NULL这种)，则不会加入最终的结果中，导致结果缺失。 - 如果没有
where条件，无论on条件对左表进行怎样的限制，左表的每一行都至少会有一行的合成结果，对左表行而言，若右表若没有对应的行，则右表遍历结束后b=FALSE，会用一行NULL来生成数据，而这个数据是多余的。所以对左表进行过滤必须用where。
下面展开两个需求的错误语句的执行结果和错误原因：
需求1
name num
一班 2
二班 1
三班 2
需求2
name num
一班 4
二班 0
三班 0
四班 0
- 需求1由于在where条件中对右表限制，导致数据缺失（四班应该有个为
0的结果） - 需求2由于在on条件中对左表限制，导致数据多余（其他班的结果也出来了，还是错的）
总结
通过上面的问题现象和分析，可以得出了结论：在left join语句中，左表过滤必须放where条件中，右表过滤必须放on条件中，这样结果才能不多不少，刚刚好。
SQL 看似简单，其实也有很多细节原理在里面，一个小小的混淆就会造成结果与预期不符，所以平时要注意这些细节原理，避免关键时候出错。
-------------------------
转自 https://developer.aliyun.com/article/718897
我们通常的认知是联表查询时ON是作用于联表前（时）的过滤条件，WHERE是对联表后的数据的过滤条件，但hive sql查询有个特殊点需要关注，那就是对于left join中的单独针对左表的ON过滤条件有可能会被忽略，比如
SELECT DISTINCT a.dt FROM
wlxdw.dws_tuid_cheat_di a
LEFT JOIN
wlxdw.apps_tuid_device_map_ds b
ON a.tuid = b.tuid AND a.dt='2021-10-18' AND b.dt='2021-10-19'
1
2
3
4
5
查询结果
可以看到a.dt='2021-10-18’这个过滤条件并没有生效，有人可能觉得b.dt='2021-10-19’是不是也没有生效，把上述SQL稍作修改来验证一下
SELECT DISTINCT b.dt FROM
wlxdw.dws_tuid_cheat_di a
LEFT JOIN
wlxdw.apps_tuid_device_map_ds b
ON a.tuid = b.tuid AND a.dt='2021-10-18' AND b.dt='2021-10-19'
1
2
3
4
5
显而易见，右表上的ON条件 b.dt=xxxx 生效了，那如果想要左表的 a.dt=‘2021-10-18’ 生效，可以放在WHERE条件上
而如果把右表的b.dt=‘2021-10-19’ 放到WHERE条件，语义则变的不一样，由于WHERE是先联表再进行过滤，这时查询结果中b.dt就不存在值为NULL的情况了，LEFT JOIN 相当于变成了 INNER JOIN
从上面的结果可以看出ON和WHERE查询条件语义上的差别
再来看一组SQL对比
神奇的一幕出现了，此时ON中的过滤条件a.dt=‘2021-10-18’ 时而生效时而不生效
总结：Hive SQL 中 LEFT JOIN 单独针对左表的过滤条件必须放在WHERE上，放在ON上的效果是不可预期的，单独针对右表的查询条件放在ON上是先过滤右表，再和左表联表，放在WHERE条件上则是先联表再过滤，语义上存在差别。
补充：对于MYSQL中的LEFT JOIN和Hive中表现相似，更深层次分析可以看看 https://developer.aliyun.com/article/718897
————————————————
版权声明：本文为CSDN博主「代码一天不写我浑森蓝廋」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhang197093/article/details/120874962