hive 修改表的存储格式_大数据技术之HIVE数据类型及存储格式

本篇教程探讨了大数据技术之HIVE数据类型及存储格式，希望阅读本篇文章以后大家有所收获，帮助大家对相关内容的理解更加深入。

一、数据类型

1、基本数据类型

Hive 支持关系型数据中大多数基本数据类型

boolean true/false TRUE

tinyint 1字节的有符号整数 -128~127 1Y

smallint 2个字节的有符号整数，-32768~32767 1S

int 4个字节的带符号整数 1

bigint 8字节带符号整数 1L

float 4字节单精度浮点数 1.0

double 8字节双精度浮点数 1.0

deicimal 任意精度的带符号小数 1.0

String 字符串，变长 “a”,’b’

varchar 变长字符串 “a”,’b’

char 固定长度字符串 “a”,’b’

binary 字节数组 无法表示

timestamp 时间戳，纳秒精度 122327493795

date 日期 ‘2018-04-07’

和其他的SQL语言一样，这些都是保留字。需要注意的是所有的这些数据类型都是对Java中接口的实现，因此这些类型的具体行为细节和Java中对应的类型是完全一致的。例如，string类型实现的是Java中的String，float实现的是Java中的float，等等。

2、复杂类型

array 有序的的同类型的集合 array(1,2)

map key-value,key必须为原始类型，value可以任意类型 map(‘a’,1,’b’,2)

struct 字段集合,类型可以不同 struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0)

二、存储格式

Hive会为每个创建的数据库在HDFS上创建一个目录，该数据库的表会以子目录形式存储，表中的数据会以表目录下的文件形式存储。对于default数据库，默认的缺省数据库没有自己的目录，default数据库下的表默认存放在/user/hive/warehouse目录下。

(1)textfile

textfile为默认格式，存储方式为行存储。数据不做压缩，磁盘开销大，数据解析开销大。

(2)SequenceFile

SequenceFile是Hadoop API提供的一种二进制文件支持，其具有使用方便、可分割、可压缩的特点。

SequenceFile支持三种压缩选择：NONE, RECORD, BLOCK。 Record压缩率低，一般建议使用BLOCK压缩。

(3)RCFile

一种行列存储相结合的存储方式。

(4)ORCFile

数据按照行分块，每个块按照列存储，其中每个块都存储有一个索引。hive给出的新格式，属于RCFILE的升级版,性能有大幅度提升,而且数据可以压缩存储,压缩快 快速列存取。

(5)Parquet

Parquet也是一种行式存储，同时具有很好的压缩性能；同时可以减少大量的表扫描和反序列化的时间。

三、数据格式

当数据存储在文本文件中，必须按照一定格式区别行和列，并且在Hive中指明这些区分符。Hive默认使用了几个平时很少出现的字符，这些字符一般不会作为内容出现在记录中。

Hive默认的行和列分隔符如下表所示。

分隔符

描述

\n 对于文本文件来说，每行是一条记录，所以\n 来分割记录

^A (Ctrl+A) 分割字段，也可以用\001 来表示

^B (Ctrl+B) 用于分割 Arrary 或者 Struct 中的元素，或者用于 map 中键值之间的分割，也可以用\002 分割。

^C 用于 map 中键和值自己分割，也可以用\003 表示。

本文由职坐标整理发布，学习更多的相关知识，请关注职坐标IT知识库！