Hive的基本知识(二)Hive中的各种表

🌹内部表：

内部表也称为被Hive拥有和管理的托管表（Managed table）。默认情况下创建的表就是内部表，Hive拥有该表的结构和文件。换句话说，Hive完全管理表（元数据和数据）的生命周期，类似于RDBMS中的表。当您删除内部表时，它会删除数据以及表的元数据。

🌹外部表：

外部表中的数据不是Hive拥有或管理的，只管理表元数据的生命周期。要创建一个外部表，需要使用EXTERNAL语法关键字。删除外部表只会删除元数据，而不会删除实际数据。在Hive外部仍然可以访问

实际数据。

内部表、外部表差异:

无论内部表还是外部表，Hive都在Hive Metastore中管理表定义及其分区信息。删除内部表会从

Metastore中删除表元数据，还会从HDFS中删除其所有数据/文件。删除外部表，只会从Metastore中删

除表的元数据，并保持HDFS位置中的实际数据不变。

🌹分区表：

当Hive表对应的数据量大、文件多时，为了避免查询时全表扫描数据，Hive支持根据用户指定的字段进

行分区，分区的字段可以是日期、地域、种类等具有标识意义的字段,分区字段不能是表中已经存在的字段，分区表的关键字为PARTITIONED BY

静态分区：指的是分区的字段值是由用户在加载数据的时候手动指定的

语法如下：

动态分区：指的是分区的字段值是基于查询结果自动推断出来的

启用hive动态分区，需要在hive会话中设置两个参数：

set hive.exec.dynamic.partition=true; //开启动态分区功能

set hive.exec.dynamic.partition.mode=nonstrict;//指定动态分区的模式,分为nonstick非严格模式和strict严格模式,strict严格模式要求至少有一个分区为静态分区。

核心语法就是insert+select

创建一张新的分区表t_all_hero_part_dynamic

load data [local] inpath ' ' into table tablename partition(分区字段='分区 

值'...); 

create table t_all_hero_part_dynamic( 

id int, 

name string, 

hp_max int, 

mp_max int, 

attack_max int, 

defense_max int, 

attack_range string, 

role_main string, 

role_assist string 

) partitioned by (role string) 

row format delimited 

fields terminated by "\t";执行动态分区插入

分区表的注意事项：

一、 分区表不是建表的必要语法规则，是一种优化手段表，可选；

二、 分区字段不能是表中已有的字段，不能重复；

三、 分区字段是虚拟字段，其数据并不存储在底层的文件中；

四、 分区字段值的确定来自于用户价值数据手动指定（静态分区）或者根据查询结果位置自动推断

（动态分区）

五、 Hive支持多重分区，也就是说在分区的基础上继续分区，划分更加细粒度

🌹分桶表：

分桶表也叫做桶表，源自建表语法中bucket单词。是一种用于优化查询而设计的表类型。该功能可以让

数据分解为若干个部分易于管理

语法：

其中CLUSTERED BY (col_name)表示根据哪个字段进行分；INTO N BUCKETS表示分为几桶（也就是几

个部分）。需要注意的是，分桶的字段必须是表中已经存在的字段。

开启分桶的功能 ，从Hive2.0开始不再需要设置：

分桶表的使用好处：

1、 基于分桶字段查询时，减少全表扫描

2、 JOIN时可以提高MR程序效率，减少笛卡尔积数量

3、 分桶表数据进行抽样