【学习历程】16 Hive的四种表模型

一、内部表与外部表

1.1 内部表与外部表的区别

1、建表语法的区别

• 外部表在创建的时候需要加上external关键字

2、删除表之后的区别

• 内部表删除后，表的元数据和真实数据都被删除了
• 外部表删除后，仅仅只是把该表的元数据删除了，真实数据还在，后期还是可以恢复出来

1.2 内部表与外部表的使用时机

• 内部表由于删除表的时候会同步删除HDFS的数据文件，所以确定如果一个表仅仅是你独占使用，其他人不使用的时候就可以创建内部表，如果一个表的文件数据，其他人也要使用，那么就创建外部表
• 一般外部表都是用在数据仓库的ODS层
• 内部表都是用在数据仓库的DW层

二、分区表与分桶表

2.1 分区表

1、原理与创建语句

      在大数据中，最常用的一种思想就是分治，我们可以把大的文件切割划分成一个个的小的文件，这样每次操作一个小的文件就会很容易了，同样的道理，在hive当中也是支持这种思想的，就是我们可以把大的数据，按照每天，或者每小时进行切分成一个个的小的文件，这样去操作小的文件就会容易得多了。

创建分区表语法：
增加partitioned by，如下：

create table score(s_id string, c_id string, s_score int) partitioned by (month string) row format delimited fields terminated by 't';

2、静态分区和动态分区

• 静态分区
  表的分区字段的值需要开发人员手动给定，如同上面的建表语句。
• 动态分区
  按照需求实现把数据自动导入到表的不同分区中，不需要手动指定
  要想进行动态分区，需要设置参数：

set hive.exec.dynamic.partition=true; #开启动态分区功能
set hive.exec.dynamic.partition.mode=nonstrict; #设置hive为非严格模式

2.2 分桶表

1、分桶表原理

      分桶是相对分区进行更细粒度的划分，分桶将整个数据内容按照某列取hash值，对桶的个数取模的方式决定该条记录存放在哪个桶当中；具有相同hash值的数据进入到同一个文件中。

2、作用

• 取样sampling更高效。没有分桶的话需要扫描整个数据集。
• 提升某些查询操作效率，例如map side join

3、创建分桶表

    在创建分桶表之前要执行一下命令：

• set hive.enforce.bucketing=true; 开启对分桶表的支持
• set mapreduce.job.reduces=4; 设置与桶相同的reduce个数（默认只有一个reduce）

最后

以上就是可靠钢笔为你收集整理的【学习历程】16 Hive的四种表模型的全部内容，希望文章能够帮你解决【学习历程】16 Hive的四种表模型所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。