大数据的那些面试题及答案(三)Hive

1.什么是hive

hive是基于Hadoop的一个用于处理大数据的数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。

2.为什么要用hive

帮助我们更高效的完成数据分析，MapReduce代码烦杂开发效率低，有了Hive之后，hive使用类SQL的语法完成数据分析，大大提高编写MapReduce的效率·。

3.hive几种基本表类型

内部表、外部表、分区表、桶表

4.内部表（管理表）和外部表的区别

内部表(managed table)：
(1) 也叫管理表，数据由hive自身管理，数据存储位置为 hive，metastore，warehouse.dir
(2) 对数据拥有完全的控制权限，删除表时存储在RDBMS上的元数据和存储在HDFS上的数据全部被删除。
(3) 默认创建的表是管理表(内部表)
外部表(external table)：
(1) 数据由HDFS管理，数据的存储位置由自己制定。
(2) 删除表时之删除存储在RDBMS上的元数据，存储在HDFS上的数据不会被删除
(3) 需要用external关键字来创建外部表
(4) 外部表可以建立在已经存在的数据上而无需load
(5) 外部表不能使用truncate(清空)，因为没有权限。

5.Hive数据仓库与数据库的异同

(1)查询语言不同：hive是hql语言，mysql是sql语言。
(2)数据存储位置不同：hive存储在HDFS上，mysql是存储在磁盘上。
(3)底层执行原理：hive底层是将hql语言转成map reduce，mysql是excutor执行器。
(4)数据延迟性：hive没有索引，所以查询慢，延迟性高，mysql有索引，查询快，延迟性低。
(5)数据规模：hive存储的数据量大，mysql之存储一些少量的业务数据。
(6)数据更新：hive只能读，不能写，mysql支持数据更新。

6.Hive 自定义函数