2024年最全数据仓库工具hive面试题集锦，金三银四大数据开发高级工程师面试题整理

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

需要这份系统化资料的朋友，可以戳这里获取

而且这些技术知识点已经成为大数据工程师进入职场时面试中必备的考点。这里黑马程序员主要和大家分享一下数据仓库工具hive相关的面试题！

1、 Hive 的 join 有几种方式，怎么实现 join 的？答：有3 种 join 方式：

1）在 reduce 端进行 join，最常用的 join 方式。Map端的主要工作：为来自不同表(文件)的 key/value 对打标签以区别不同来源的记录。然后用连接字段作为 key，其余部分和新加的标志作为 value，最后进行输出。reduce 端的主要工作：在 reduce 端以连接字段作为 key 的分组已经完成，我们只需要在每一个分组当中将那些来源于不同文件的记录 (在 map 阶段已经打标志)分开，最后进行笛卡尔。2）在 map 端进行 join，使用场景：一张表十分小、一张表很大。在提交作业的时候先将小表文件放到该作业的 DistributedCache 中，然后从 DistributeCache 中取出该小表进行 join key / value 解释分割放到内存中(可以放大 Hash Map 等等容器中)。然后扫描大表，看大表中的每条记录的 join key /value 值是否能够在内存中找到相同 join key 的记录，如果有则直接输出结果。3）SemiJoin，semijoin 就是左边连接是 reducejoin 的一种变种，在 map 端过滤掉一些数据，在网络传输过程中，只传输参与连接的数据，减少了 shuffle的网络传输量，其他和 reduce的思想是一样的。实现：将小表中参与 join 的 key 单独抽取出来通过 DistributeCache 分发到相关节点，在 map 阶段扫描连接表，将 join key 不在内存 hashset 的纪录过滤掉，让参与 join 的纪录通过 shuffle 传输到 reduce 端进行 join，其他和 reduce join 一样。

2、hive 内部表和外部表的区别？内部表：建表时会在 hdfs 创建一个表的存储目录，增加分区的时候，会将数据复制到此location下，删除数据的时候，将表的数据和元数据一起删除。外部表：一般会建立分区，增加分区的时候不会将数据移到此表的 location下，删除数据的时候，只删除了表的元数据信息，表的数据不会删除。

3、 hive 是如何实现分区的？建表语句：create table tablename (id) partitioned by (dt string)增加分区：alter table tablenname add partition (dt = ‘2016-03-06’)删除分区：alter table tablename drop partition (dt = ‘2016-03-06’)

4、 Hive 有哪些方式保存元数据，各有哪些优缺点。

1)存储于 derby 数据库，此方法只能开启一个hive客户端，不推荐使用

2)存储于mysql数据库中，可以多客户端连接，推荐使用。

5、 hive 如何优化？

1）join 优化，尽量将小表放在 join 的左边，如果一个表很小可以采用 mapjoin。

2）排序优化，order by 一个 reduce 效率低，distirbute by +sort by 也可以实现全局排序。3）使用分区，查询时可减少数据的检索，从而节省时间。

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

需要这份系统化资料的朋友，可以戳这里获取

化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**