hive中 exists的底层实现为left semi join。
验证:
对比发现执行计划一样,都是left semi join实现。 且,left semi join前,会对t2表group by;
explain select t1.* from t1 left semi join t2 on t1.id=t2.id;
explain select t1.* from t1 where exists(select 1 from t2 where t1.id=t2.id);
初步结论
所以如果使用exists或left semi join语法,性能一样。
值得注意的是,t2表重复数据多的场景,应该是一样的。
如果t2表没有重复数据,也就不需要group by,此时可以选择使用join语法代替,当然这个需要抽时间验证研究一番。