1、定义
Hive内部表:默认创建的表是内部表。hive完全管理表(元数据和数据)的声明周期,类似于RDBMS的表。当删除表时,他会删除源数据以及表的元数据。
Hive外部表:外部表的数据不是Hive拥有或者管理的,只管理元数据的声明周期。要创建一个外部表,需要使用external关键字。删除外部表是只会删除元数据,而不会删除实际数据(源数据)。在hive外部依然可以访问实际数据(HDFS)。
及
2、区别
数据存储位置、数据管理方式、数据的持久性以及数据的导入和更新行为等方面
区别 | 内部表 | 外部表 |
---|---|---|
数据存储位置 | Hive数据仓库目录,通常位于HDFS(Hadoop Distributed File System)上的/user/hive/warehouse目录下 | 用户指定的位置,如HDFS、本地文件系统等 |
数据管理方式 | Hive完全管理,表删除时数据同步被删除 | 用户自行管理,Hive仅在元数据中维护表结构等元数据,不负责表的存储和文件管理。如果删除外部表,外部存储的数据不受影响 |
数据的持久性 | 加载到表后会永久存储,除非显性删除。重启HIve或重新加载元数据后,内部表数据会保留 | 加载到表后不一定永久存储,由用户管理。若是临时表,会话结束或者Hive重启后可能会丢失 |
数据导入 | 用INSERT语句 | 多种方式加载,如通过LOAD DATA语句从本地文件系统或其他数据源加载数据。 |
ALTER操作 | 可更改更改表的属性,例如更改列名、添加/删除分区等。 | 仅允许更改表的一些元数据信息,例如重命名表、更改列的注释等,但不能更改表的存储位置或数据本身。 |
3、适用场景
1、内部表:
适用于需要完全由Hive管理和控制的数据;适合数据临时处理、转换等操作,及对数据进行清洗、统计分析、计算等需求;数据分析和处理的场景应用广泛。
2、外部表:
适用于数据的长期存储、备份和共享等需求;数据仓库和数据湖场景多。