SQL语言，存在A表但是不在B表中的数据

背景

客户给了3万customer list，在平台上跑预估计算特征时，需要算力太大了，调了好几次资源都不行，内存都上t了，还是不行，于是乎，将3万拆分了两个1万5，分别预估。

问题

本来，可以使用的语法是

• Batch 1

SELECT * FROM Table 
LIMIT 15000

• Batch 2

SELECT * FROM Table
LIMIT 15000, 15000

这样就完成了两个预估批次的选择，但是开始，为了图方便，用了平台自定义的数据拆分算子，这就是血泪的开始。

平台自定义的数据拆分算子，将随机种子设置为0，两次拆分的结果会不一致（随机种子一样了，就该一致了啊TAT）这导致的结果就是，拆出来的两个batch 不是mutual exclusive。

但是，问题已经发生了，怎么办呢？想办法解决呗

解法

1. 使用上文的办法，重新拆，重新跑两次结果，但是这个有一个弊端，跑一个batch需要24小时，跑两个batch就需要48小时，时间就是金钱啊💰，哪能浪费
2. batch1已经预测好了，可以用总的list 减去batch1中的list，就剩下的是尚未被预测的list
   思路想好了，如何代码实现呢？代码的实现有如下思路，选择在总表（t1）中出现了的cust list，但是没有在batch1（t2）中出现的cust id。代码实现如下

SELECT  DISTINCT t1.id FROM t1
WHERE t1.id not in (SELECT t2.id FROM t2)

对吧，但是上述代码有一个问题，那就是我们的平台不支持not in，怎么办呢？思考其他解决方案。
我们可以使用 left join

select * from t1 left join t2 on t1.id = t2.id where t2.id is null

同时，也乘此机会，再次回顾left join

SQL LEFT JOIN 语法

SELECT col_name
FROM table1
LEFT JOIN table2
ON table1.col_name = table2.col_name

• LEFT JOIN前面的数据表，就是基准，参考图如下

  
  image.png
• 其实在上述代码中，当t2.id存在一些，没有值的value，因此值是null，所以返回和匹配的是这些值为null的id。但是这些id在t1中是有值的，所以最后也是会返回值。