Hive内部表和外部表的区别

hive作为基于hdfs的数据仓库，在构建表的时候，会有内部表和外部表，这里介绍两者的异同点。

相同点：

              1、他们都是用mysql或者derby作为元数据存储，他们在元数据的组织上是相同的，他们都是用hdfs做实际的数据存储，本身没有

数据存储的功能，需要借助HDFS。

              2、他们都可以在建表的时候指定一个指向HDFS文件夹的路径，如果不指定这个路径，那么默认的hive表中的数据会保存在HDFS上

一个叫做"/user/hive/warehouse"上一个和表名称一样的文件夹中，例如student表则对应路径是/user/hive/warehouse/student。

"/user/hive/warehouse"是一个默认的路径，可以通过hive-site.xml文件来配置。

              3、他们创建成功之后，通过load data inpath '/path/to/xxx' overwrite into table tb_name的方式导入hdfs上的数据到hive数据表

中时，被导的数据会被删除，在hdfs中，相当于移动文件。

              4、在测试的过程中发现，内部表也可以指定hdfs上已经存在的一个目录，这样表一创建就有了数据，这样和外部表表现差不多，只是

在删除表的时候会有差异。

图(1)

            如图所示，在hdfs上/usr/feiy目录下本来有student.txt文件和tbls文件夹，我们成功创建了一个不带location指向的外部表，该表的

数据最终显示是在/user/hive/warehouse/stuex目录下，这验证了第二点。

            我们向stuex表中导入hdfs上/usr/feiy/student.txt的数据之后，发现/usr/feiy/student.txt文件不见了,验证了第三点。

            接下来我们验证内部表的创建过程:

图(2)

           内部表创建也可以指定一个location，这样验证了第二点，最后通过load data inpath导入数据之后，原来的hdfs上的文件就被删除了。验证了第三点。           

异同点：

            1、创建表的语句上外部表会有一个external的关键字。

            2、删除表的时候，内部表不仅会删除元数据，还会会将hdfs上对应的目录删除掉，而外部表只是删除了元数据，并不会删除hdfs上的数

据。可以理解为外部表只是建立了一个元数据到hdfs的一个链接，最后删除表的时候，只是将这个链接断开了，而不是连同hdfs文件一起删除。

外部表删除过程：

图(3)

            外部表删除之后，他的默认存储数据的目录和文件还存在。

            内部表删除过程：

图(4)

             图(1)中我们通过指定location的方式创建了内部表student,在这里图(4)中我删除表之后，对应在hdfs上的文件夹也删除了。