之前在项目中遇到需要从表a中删除和表b中id相同的样本的情况，采用了where not exists语句，可以筛选出两张表中id不同的数据

参考了其他人的博文，发现可以使用left join语句改写：

这里还需要涉及到in/not in的用法，目前hive不支持 in或not in中包含查询子句的语法，所以只能通过left join实现。

注意，hive中的left join实际上是left outer join，会显示左表的所有字段，右表字段没有的会标null，详见Hive（三）：join操作，而left semi join只允许select结果出现左表的内容 同时我们将join（即inner join）和left semi join作比对： 可以看到对待右表中重复key的处理方式差异：

因为 left semi join 是 in(keySet) 的关系，遇到右表重复记录，左表会跳过，而 join 则会一直遍历。这就导致右表有重复值得情况下 left semi join 只产生一条，join 会产生多条，也会导致 left semi join 的性能更高。 left semi join 中最后 select 的结果只许出现左表，因为右表只有 join key 参与关联计算了，而 join on 默认是整个关系模型都参与计算了

参考链接 Mysql筛选出两张表中不同的数据的SQL Hive之——怎样写exist/in以及not exists/not in子句 Hive 实现 IN 和 NOT IN 子句 Hive 中的 LEFT SEMI JOIN 与 JOIN ON