hive中 exists與left semi join

hive中 exists的底層實現為left semi join。

驗證：

對比發現執行計划一樣，都是left semi join實現。 且，left semi join前，會對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);

初步結論

所以如果使用exists或left semi join語法，性能一樣。
值得注意的是，t2表重復數據多的場景，應該是一樣的。
如果t2表沒有重復數據，也就不需要group by，此時可以選擇使用join語法代替，當然這個需要抽時間驗證研究一番。