关注点01.

我有2个表Table 1有41列和超过100 mil的记录，Table 2有20列和10 mil的记录。
我使用了以下查询来验证记录。
查询01。

SELECT count(*) FROM table1 t1 JOIN table2 t2 ON (
  t1.c_id = t2.c_id AND
  t1.e_id = t2.e_id AND
  t1.o_id = t2.o_id
)

字符串
查询02。

SELECT count(*) FROM table1 t1 JOIN table2 t2 ON (
  t1.c_id = t2.c_id AND
  t1.e_id = t2.e_id AND
  t1.o_id = t2.o_id
) GROUP BY t2.c_id

型
问题是，查询01计数和查询02（总和）不匹配。有人能指出这里的问题吗？

关注02.

除了上面的2个表之外，还有一个表（客户端）只包含c_id。
查询03。

SELECT count(*) FROM table1 t1 JOIN table2 t2 ON (
  t1.c_id = t2.c_id AND
  t1.e_id = t2.e_id AND
  t1.o_id = t2.o_id
) WHERE t2.c_id IN ("client_id1", "client_id1", ...);

型
查询04。

SELECT count(*) FROM table1 t1 JOIN table2 t2 ON (
  t1.c_id = t2.c_id AND
  t1.e_id = t2.e_id AND
  t1.o_id = t2.o_id
) WHERE t2.c_id IN (SELECT DISTINCT c_id FROM client);

型
在查询03中，我对c_id进行了硬编码，而在查询04中，我要求Hive从client表中获取ID。如果我们假设在这两种情况下c_id是相同的，您认为查询中会有任何计数差异吗？
因为我注意到，当我对查询03中的c_id进行硬编码时，结果计数低于查询04中的c_id。如果我在这些查询中犯了错误，或者可能存在数据问题，请告诉我。
另外，如果我需要为两个查询获得相同的答案，我需要对查询进行哪些更改？
它们在AWS EMR Hive 3.1.3-amzn-0版本上运行