Presto/Hive SQL关联取用户名：用子查询还是Join？

在Hive环境下该场景优先使用JOIN实现关联，不推荐你写的相关子查询写法，核心原因如下：

• 你写的是关联型标量子查询，外层Assigned_Tasks表每扫描出一行，就会触发一次Employee_info表的匹配逻辑，数据量稍大时性能会极差。Hive对这类子查询的优化能力远不如JOIN，很容易出现任务卡滞、资源占用过高的问题。
• 这类子查询容错性差：如果Employee_info中同一个employee_id存在多条重复记录，子查询会直接抛出运行错误；而JOIN写法可以提前对员工表做去重处理，结果可控性更强。
• 后续扩展成本低：如果之后需要额外获取员工所属团队employee_team等字段，JOIN写法只需要在SELECT子句中增加对应字段即可，子查询需要重复写嵌套逻辑，维护更麻烦。

你之前写的基础语句和子查询示例还有几个语法问题：漏写了主表表名、字段名task_numb和表结构定义的task_number不一致、子查询字段后漏写逗号。
推荐用LEFT JOIN做关联，避免出现任务表中owner_id在员工表无匹配时，整行任务数据被意外过滤的问题，不会漏数：

SELECT 
    t.task_number,
    t.owner_id,
    e.employee_name AS owner,
    t.title,
    t.description,
    t.progress
FROM Assigned_Tasks t
LEFT JOIN (
    -- 提前去重，避免员工表同ID多条数据导致结果行数膨胀
    SELECT DISTINCT employee_id, employee_name
    FROM Employee_info
) e 
ON t.owner_id = e.employee_id
WHERE t.ds = '<today>'
  AND t.progress != 'FINISHED';

如果确认Employee_info表中employee_id是全局唯一主键，可以去掉JOIN子句里的DISTINCT逻辑，直接关联原表即可。

补充说明：只有当外层查询返回结果集极小（比如仅几十、上百行）时，你写的标量子查询不会出现明显性能问题，但从开发规范和通用性角度，统一使用JOIN写法是最优选择，不需要每次根据数据量切换写法。

内容的提问来源于stack exchange，提问作者thatoneguy