前言
本文隶属于专栏《1000个问题搞定大数据技术体系》,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢!
本专栏目录结构和参考文献请见1000个问题搞定大数据技术体系
正文
模式( schema )指的是数据库的表结构,即数据表中包含的列以及相应的数据类型。
在传统数据库中,数据在导入表的时候就会验证模式,只有在模式符合时才能成功导入。
这种在数据写入时验证模式的方式称为写时模式( schema on write )。
Hive 采取的是另一种方式,即在数据导入时并不验证模式,而只在査询时才验证,称为读时模式( schema on read )这两种方式各有利弊。
读时模式
读时模式在数据导入时,不需要将输入数据进行读取、解析以及序列化成数据库的内部存储格式。
整个数据导入过程只是将数据文件复制或移动到指定位置。
同时,读时模式也更灵活,对于同一个数据文件,可以施加多种不同的模式,用于不同的分析任务。
Hive 中的外部表即支持这一特性。
写时模式
而写时模式的数据查询效率较高,因为数据库可以在一些列上做索引,并在数据存储格式上做优化。
然而,写时模式的缺点是数据导入的时间较长。