在Oracle中minus運算的主要功能是： 在進行兩個表格或者兩個查詢結果的時候，返回在第一個表格/查詢結果中與第二個表格/查詢結果不同樣的記錄。
結果不同樣的記錄包括兩種情況：A，B 表中某一行的內容不同和A表中的數據在B表中不存在。總之返回的是A表的數據。
Hive中沒有實現minus功能的函數，僅僅好分步實現。
一、找出在Ａ表中的數據在Ｂ表中不存在的數據
insert overwrite table tmp_Ａ partition(name='Ａ_innot_B')
select
a.*
from A a left outer join B b on (a.id = b.id) where b.id is NULL;
二、找出在A表和B表都存在但內容不同的數據
ＵＤＦ函數例如以下：
public class Minus extends UDF{
String Ａ="";
String Ｂ="";
public Text evaluate(String... strs){
for(int i=0;i<strs.length/2;i++){
Ａ=Ａ+strs[i];
}
for(int i=strs.length/2;i<strs.length;i++){
Ｂ=Ｂ+strs[i];
}
if(Ａ.replace(" ", "").equals(Ｂ.replace(" ", ""))){
return new Text("NULL");
}else{
return new Text(strs[0].replace(" ", ""));
}
}
相應的查詢例如以下：
insert overwrite table tmp_Ａ_diff
select iminus(
a.*,b.*
) from A a join B b on (a.id=b.id);
上面的sql會執行Minus的java程序，改程序語句中有循環。假設數據量非常大非常耗時間。job進度卡着不動。也能夠使用hive自帶的函數實現
insert overwrite table tmp_Ａ_diff
select if(
regexp_replace(
concat(
a.*
),
" ","")
=
regexp_replace(
concat(
b.*
),
" ","")
,NULL,b.id)
from A a
join
B b
on (a.id=b.id);
這樣效率好些。
tmp_A_diff存儲的是A表和B表都存在但內容不同的數據的id和一些“NULL”。
依據id獲得每行數據
insert overwrite table tmp_A partition(name="A_in_B")
select a.*
from tmp_A_diff b join A a on (a.id=b.id);
如今tmp_A中分區A_innot_B和分區A_in_B的數據就是oracle中（select * from A）minus (select * from B)的數據。