Hive 中内部表与外部表的区别与创建方法

先来说下Hive中内部表与外部表的区别：  

1）创建表时：创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径， 不对数据的位置做任何改变。

2）删除表时：在删除表的时候，内部表的元数据和数据会被一起删除， 而外部表只删除元数据，不删除数据。这样外部表相对来说更加安全些，数据组织也更加灵活，方便共享源数据。 

另外需要注意的是传统数据库对表数据验证是 schema on write（写时模式），而 Hive 在load时是不检查数据是否 符合schema的，hive 遵循的是 schema on read（读时模式），只有在读的时候hive才检查、解析具体的   数据字段、schema。  
读时模式的优势是load data 非常迅速，因为它不需要读取数据进行解析，仅仅进行文件的复制或者移动。  
写时模式的优势是提升了查询性能，因为预先解析之后可以对列建立索引，并压缩，但这样也会花费要多的加载时间。  

下面来看下 Hive 如何创建内部表：  

1	create table inner_table(userid string);//内部表

2	LOAD DATA INPATH '/tmp/inner_table/20121213' INTO TABLE inner_table partition(ptDate='20121213');

这个很简单，不多说了，下面看下外部表：  

01	hadoop fs -ls /tmp/outer_table/20121214

02	Found 2 items

03	-rw-r--r--   3 june supergroup       1240 2012-12-26 17:15 /tmp/outer_table/20121214/part-00000

04	-rw-r--r--   1 june supergroup       1240 2012-12-26 17:58 /tmp/outer_table/20121214/part-00001

05

-- 建表

06	create EXTERNAL table IF NOT EXISTS outer_table (userid string) partitioned by (ptDate string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

07	-- 建立分区表，利用分区表的特性加载多个目录下的文件，并且分区字段可以作为where条件，更为重要的是

08	-- 这种加载数据的方式是不会移动数据文件的，这点和 load data 不同，后者会移动数据文件至数据仓库目录。

09	alter table test add partition (ptDate='20121214') location '/tmp/outer_table/20121214';

10	-- 注意目录20121214最后不要画蛇添足加 /*，我就是linux shell用多了，加了这玩意，调试了一下午。。。

注意：location后面跟的必须是目录

最后提下还有一种方式是建表的时候就指定外部表的数据源路径，表中没有分区列。这样的坏处是只能加载一个数据源。