regex之使用正则表达式优化连接

我有一个表 (A) 包含一个短语，另一个表 (B) 是我想在表 A 的短语中查找的短语。所以我加入他们如下:

Create table C as 
SELECT A.* 
FROM A 
JOIN B 
where (A.phrase LIKE concat("%",B.phrase,"%")); 

它花费了很长时间，因为它只使用一个 reducer ，我相信这与查询的性质有关？有没有办法加快速度？我不认为mapjoin或bucketjoin会有帮助，因为我没有将两列等同，而是在一个表中搜索另一个表中的单词...

请您参考如下方法:

我找到了解决方案。

问题在于 Hive 不能很好地执行非等值连接。因此，在执行非等连接正则表达式之前，我执行了等连接来获取表 A 的子集。因此，只需 3 个步骤。

1. 将 A.phrase 和 B.phrase 分解为单独的单词。
2. 对这些单词进行等同，以查看 B.phrase 中的哪些关键字与 A.phrase 中的任何关键字相同 - 这给出了表 A 的子集，其中 A.phrase 至少包含 B.phrase 中的一个关键字。
3. 使用此表 A 子集查找整个“%B.phrase%”。