Hive入门

1.HIve是一个基于Hadoop的数据仓库

2.HIve是高延迟的，如果要低延迟用HBase。Hive不能对表数据进行更新、删除、插入，只能追加或重新导入。

3.Hive可以建立索引，索引本身就是一张表，索引并不能提高性能，只能减少资源消耗。如果资源充足，不用考虑。

4.如果要提高查询速度可以考虑分区与俑。

5.hive本身不存储数据与计算。完全依赖于HDFS与Mapreduce，Hive只是一个逻辑表。

内外表区别：

 1.删除内表时，内表数据会一并删除；
 2.删除外表时，外表数据依旧存在。

分区与桶理解：

1.分区是表下的一个目录，多分区就是表下游多个目录。分区的作用就是辅助查询、减少查询范围。select查询时会扫描整表内容，有时我们只关注的部分数据，这是就可以使用分区。

例如：

a、单分区建表语句：create table day_table (id int, content string) partitioned by (dt string);单分区表，按天分区，在表结构中存在id，content，dt三列。这是实际数据存储会按天分区。（按天生成文件夹）

b、 双分区建表语句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);双分区表，按天和小时分区，在表结构中新增加了dt和hour两列。

先以dt为文件夹，再以hour子文件夹区分

2.对于每一个表或者分区都可以进一步组织成桶。桶可以提高某些查询的效率如Jion，提高某些查询的效率

分桶其实就是把大表化成了“小表”，然后 Map-Side Join 解决之。