记低版本Hive的left outer join Bug.

由于公司使用的是低版本的hive(0.8)，同时也进行了自研发。因此线上的hive版本较低，并且存在left outer join的Bug.

Bug解释：

 left outer join（或者右外关联、全外关联）最重要的特性与原则就是主表的数据不能丢，例如有A，B两个表，都有a，b两个字段：

hive> select * from A order by a,b;
OK
a b
1 1
1 2
1 3
2 3
2 4
hive> select * from B order by a,b;
OK
a b
1 1
1 2
1 3

那么以下这个左外关联查询应该得到以下的结果：

hive> select a.*,b.* from A left outer join B on A.a = B.a and A.b = B.b;
OK
a b a b
1 1 1 1
1 2 1 2
1 3 1 3
2 3 NULL NULL
2 4 NULL NULL

但是实际情况却是，低版本的Hive在外关联上的一个重要缺陷。

select A.*,B.* from A left outer join B on A.a = B.a and A.b = B.b  where A.a =1 and B.b = 2;

上述SQL多了一条where条件。根据外关联的原则：主表数据不能丢失，即A表的数据不能丢失，当on里面的条件为真时，使用B的数据进行关联，当on里面的条件为假时，B的列全部为NULL。因此这个SQL的结果应该是：

a b a b
1 1 NULL NULL
1 2 1 2
1 3 NULL NULL

关系型数据库中验证此SQL的结果正确。
但是在Hive中结果却如下：

select A.*,B.* from A left outer join B on A.a = B.a and A.b = B.b  where A.a =1 and B.b = 2;
OK
a b a b
1 2 1 2

问题分析：

Hive在做left outer join时，首先进行join，结果集中B表对应的列会存在没有数据的情况，即NULL；然后，hive进行where条件过滤，但是此时B表的部分行的列为NULL（即A无法匹配到B表列的结果），这些行会被过滤掉，导致结果集错误。
hive的执行逻辑顺序有误，where条件会对关联后的B表列进行过滤。
正确的逻辑顺序： 过滤-->关联

规避方法：

将B表的where条件作为子查询，具体如下：(对于有分区限制的情况，也需要添加至子查询)

select A.*,C.* from A left outer join (select * from B where B.b = 2 ) C on A.a = C.a and A.b = B.b ;