Hive和Impala加载和存储数据功能曝光

Hive与Impala都是构建在Hadoop之上的数据查询工具，那么在实际的应用中，它们是如何加载和存储数据的呢？

Hive和Impala存储和加载表，和所有的关系型数据库一样，有自己的数据管理结构，从它的Server到Database再到表和视图。

在其他的数据库中，表都是以自己特定的文件格式来存储的，比如Oracle有自己的存储格式，而对Hive而言，一个表就是包含一个或多个文件的HDFS目录，这个文件是属于表下面的内容，默认存储路径：/user/hive/warehouse/<table_name>，支持多种存储格式。

以上就是数据的存储，那么每一个表、每一个结构都有自己的列或者类型定义的信息，这些信息该如何去保存呢？它们存储在Metastore里，而所有的数据都存储在HDFS之上，所以我们想要获得表结构信息，就需要知道hive的元数据中每个表的含义和结构。在hive中，有简单的命令可以大概的查看表的结构信息：describe formatted tableName; hive metastore表结构如下：

因为Hive和Impala使用相同的数据，表在HDFS，元数据在Metastore，所以以上的存储及结构介绍同样适用于Impala。

数据加载及存储示例：

在这里呢我们必须要区分两个概念：数据和元数据。数据指的是你存储和处理的信息，比如账单记录、传感器读数和服务日志等。而元数据用来描述数据的形态，比如字段名和顺序等。

关于Hive和Impala的介绍，是自己经验的分享，希望可以帮助大家了解和认识到Hive和Impala的功能，平常的时候我们做技术的也可以多关注一些大数据资讯。比如微信服务号“大数据cn”,“大数据时代学习中心”，对于改善我们自己的知识架构来说都是有很大的帮助和促进作用的。