表创建语句及参数详解

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] [数据库名.]表名
[(列名 数据类型 [COMMENT col_comment], ...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
| STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)]
(Note: only available starting with 0.6.0)]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)] (Note: only available starting with 0.6.0)


参数解释：
[b]EXTERNAL[/b]：是否为外部表（加EXTERNAL为外部表）。
外部表
建表时，可以指定一个指向实际数据的路径（LOCATION）。
删表时，只删除元数据，不删除数据（即不删除HDFS上的数据文件）。
内部表
建表时，会将数据移动到数据仓库指向的路径。
删表时，只删除元数据和数据文件一起删除。

[b]IF NOT EXISTS[/b]：是否检查表已存在。
加上IF NOT EXISTS，表存在时不做任何操作，返回true。
不加，表存在时报错。

[b]COMMENT[/b]：添加注释。

[b]PARTITIONED BY[/b]：分区。
查询时，有时候只需扫描表中的一部分数据，无需全表扫描，所以引入的分区。
分区的目的，就是辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。
一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。
分区是以字段的形式在表结构中存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。通过describe table命令可以查看到字段存在。

[b]CLUSTERED BY[/b]：群集（桶）。
CLUSTERED是在分区的基础上，按照列，对数据的进一步拆分和归类。
表和分区都可以对列进行 CLUSTERED BY 操作，将若干个列放入一个桶（bucket）中。
bucket的主要作用：
① 数据抽样。
② 提升某些查询操作效率，例如mapside join。
也可以利用SORT BY 对数据进行排序。这样可以为特定应用提高性能。

[b]ROW FORMAT[/b]：设置列分隔符。
row_format支持格式
① DELIMITED [FIELDS TERMINATED BY char]
② DELIMITED [COLLECTION ITEMS TERMINATED BY char]
③ DELIMITED [MAP KEYS TERMINATED BY char]
④ SERDE serde_name [WITH SERDEPROPERTIES property_name=property_value,property_name=property_value, ...]

[b]STORED AS[/b]：设置加载数据的数据类型。
TEXTFILE表示纯文本文件（默认）。
SEQUENCE表示压缩文件。

[b]LOCATION[/b]：实际数据的路径。