网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
文章目录
1.简述hive读写文件机制
Hive 读写文件的机制主要涉及到数据的导入和导出,以及数据在 Hadoop 分布式文件系统(HDFS)中的存储和管理。
-
数据导入:
- Hive 可以从多种数据源导入数据,包括本地文件系统、HDFS、HBase、Amazon S3 等。
- 使用 HiveQL 的
LOAD DATA
命令可以将数据加载到 Hive 表中。该命令支持从本地文件系统或 HDFS 中加载数据,也可以加载数据到指定的分区中。 - Hive 还支持外部表(External Table),外部表的数据存储在指定的位置,可以是 HDFS 或其他文件系统,对外部表进行数据导入不会改变数据的存储位置。
-
数据存储:
- Hive 使用表来组织和管理数据,每个表对应一个目录,该目录下包含数据文件、元数据文件等。
- 表的数据存储在 HDFS 中,可以选择不同的存储格式,如文本文件、序列文件、Parquet 等。
- 如果表使用了分区,数据文件会按照分区的方式存储在对应的子目录中。
-
数据导出:
- 使用 HiveQL 的
INSERT INTO
命令可以将查询结果导出到本地文件系统或 HDFS 中。 - Hive 还支持将查询结果导出到其他数据源,如关系型数据库、HBase 等。
- 使用 HiveQL 的
总的来说,Hive 通过将数据存储在 HDFS 中,并通过表来组织和管理数据,实现了对大规模数据的高效读写和查询。同时,Hive 还提供了丰富的数据导入导出功能,支持多种文件格式和数据源,满足了不同场景下的数据处理需求。
2. hive和传统数据库之间的区别
这些区别主要源于它们的设计目标、数据模型、查询语言、数据处理方式等方面。
- 设计目标:
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**