本文详细介绍了Hive的四种表类型：内部表、外部表、分区表和桶表。内部表的数据存储在warehouse目录下，删除时数据一同被删除；外部表只保存元数据，数据生命周期独立；分区表用于优化查询效率，常用日分区设计；桶表则是将数据均匀分布到多个文件中，提高数据抽样和查询效率。此外，还提到了视图作为虚拟表的作用。
Hive的表在HDFS里面体现都是文件
1、内部表
内部表示Hive中默认的表类型，表数据默认存储在warehouse目录下，即使我们使用load data的方式，
Hive也会在数据拷贝在warehouse目录下，当我们创建内部表时，Hive会在warehouse下创建表名的目录存储数据文件，
同时会在metastore维护元数据信息，当我们删除表的时候，表的数据会删除，同时metastore中的元数据信息也会同时删除。
2、外部表
外部表在加载数据的时候，实际数据并不会移动到warehouse中，只是与外部数据建议了一个映射关系，表的定义和数据生命周期互相不约束，
数据只是表对HDFS上的某一个目录的引用而已。当删除定义的时候，数据依然存在，仅删除元数据信息（表和数据之间的引用关系），
这种表有个好处就是，即使我们误删除了表，但数据依然存在。
3、分区表
分区表的目的是为了优化查询效率的，当全表数据量过大的时候，就可以考虑设计成分区表，分区表在HDFS上的体现相当于在表级目录下
创建了一层分区目录，在分区目录下才是真正的数据文件，一个分区，一个分区目录。常用的分区设计一般是日分区设计。通过自然日划分表数据存储。
使用分区表的时候一般都需要限制分区，否则一样会全表扫描。除了一级分区设计，还有常用的会设计成二级分区。如下图和SQL演示
最低0.47元/天 解锁文章
680
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
