6.1 Hive学习总结

Hive学习总结

Hive是一种基于Hadoop的天然的分布式文件数据库，使用sql来进行文件数据查询的，本质上还是mapreduce的方式通过java来查询数据返回结果

Hive学习参考连接

Hive教程
Hive官网

Hive知识点

内部表外部表区别

• 内部表删除，元数据和HDFS的数据都会被删除
• 外部表删除，元数据被删除，HDFS不删除

因为Hive是在hdfs,mapreduce的基础上封装的一层工具，维护自身的元数据表和HDFS的数据两层表。

• 推荐使用外部表，内外部表可以相互转换

分隔符格式

hdfs管理的是文本文件，数据应该指定分隔符以区分列信息

数据导入一些区别

• insert会修改hdfs,和hive的元数据表
• 使用后hdfs的put方式添加数据hive的元数据不会记录
• 使用hive的load/import/location会修改hdfs,和hive的元数据表

select Count(*)

查询的是元数据直接记录的行数，不是去文件里查询

分桶分区

分通分区是对表来说的

• 分区
  • 建立的表可以额外指定分区信息，添加数据后根据分区来保存信息，之后查询也可以根据分区来查询
  • 分区可有两级
• 分桶
  • 分桶是对一个大文件进行切割的

Hive的优化策略