Hive 的四表类型
一、内部表（Managed Table）
什么是内部表？
内部表是 Hive 的默认表类型，它的元数据（存储在 MySQL 中）和数据文件（存储在 HDFS 上）完全由 Hive 自身管理。
创建内部表
CREATE TABLE student (
id INT,
name STRING,
age INT
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
核心特性
• 内部表完全由 Hive 管理（元数据 + 数据文件）
• 使用 LOAD DATA 加载数据时，数据文件会被移动到 Hive 仓库目录
• 删除内部表时，元数据和数据文件都会被删除
二、外部表（External Table）
什么是外部表？
外部表允许 Hive 访问存储在 HDFS 上但不属于 Hive 仓库目录的数据。外部表的元数据由 Hive 管理，而数据文件则由 HDFS 管理。
创建外部表
CREATE EXTERNAL TABLE external_student (
id INT,
name STRING,
age INT
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
LOCATION '/user/data/student';
核心特性
• 元数据由 Hive 管理，数据文件由 HDFS 管理
• 删除外部表时，只删除元数据，数据文件仍然保留
• 数据更加安全，不会因误删表而导致数据丢失
三、内部表 vs 外部表（面试高频题 🔥）
对比维度
内部表（Managed Table）
外部表（External Table）
管理范围
元数据 + 数据文件完全由 Hive 管理
元数据由 Hive 管理，数据由 HDFS 管理
创建语法
CREATE TABLE（默认）
CREATE EXTERNAL TABLE
删除行为
删除元数据 + 数据文件
只删除元数据，数据文件保留
数据安全性
相对较低
相对较高（误删可恢复数据）
适用场景
临时表、测试数据、ETL 中间表
数据来自外部、共享数据、原始数据保护
💡 拓展思考：内部表和外部表的相互转换
-- 内部表 → 外部表
ALTER TABLE table_name SET TBLPROPERTIES('EXTERNAL'='TRUE');
-- 外部表 → 内部表
ALTER TABLE table_name SET TBLPROPERTIES('EXTERNAL'='FALSE');
────────────────────────────────────────
四、分区表（Partitioned Table）
什么是分区表？
Hive 分区表是一种优化 Hive 查询的方法，用以提高查询性能。分区表通过将数据分散到不同的分区目录中，使得查询仅扫描目标分区的数据，而不是整个表，从而大大减少了数据扫描的范围。
创建分区表
CREATE TABLE trade (
city STRING,
amt INT
)
PARTITIONED BY (sf STRING)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
添加分区的两种方式
方式一：手动添加分区（ALTER TABLE）
ALTER TABLE trade ADD PARTITION(sf='shandong');
ALTER TABLE trade ADD PARTITION(sf='henan');
方式二：MSCK REPAIR（推荐，常用方式）
先将外部数据文件上传（put）到 Hive 表的对应分区目录中，此时数据还没有元数据信息，然后执行修复命令自动添加元数据：
MSCK REPAIR TABLE trade;
查询分区数据
SELECT * FROM trade WHERE sf='shandong';
五、动态分区表
什么是动态分区？
动态分区允许在插入数据时，根据分区字段的值自动创建对应的分区，无需手动创建每个分区。在数据量较大或分区数量不确定时非常有用。
实现步骤
第①步：创建临时表，存储全部数据
CREATE TABLE city (
province_id STRING,
city_id STRING,
amount INT,
city_name STRING
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
第②步：上传数据到临时表
第③步：开启 Hive 支持动态分区的参数
SET hive.exec.dynamic.partition=true;
SET hive.exec.dynamic.partition.mode=nonstrict;
第④步：创建分区表
CREATE TABLE city_dtfq (
province_id STRING,
city_id STRING,
amount INT,
city_name STRING
)
PARTITIONED BY (sf STRING);
第⑤步：从临时表导入数据到分区表（自动创建分区）
⚠️ 分区字段必须放在 SELECT 语句的最后！
INSERT INTO city_dtfq PARTITION(sf)
SELECT province_id, city_id, amount, city_name,
province_id -- 该字段的值作为 sf 分区的值（自动创建分区）
FROM city;
六、分桶表（Bucketed Table）
什么是分桶表？
在 Hive 中，对表进行分桶（Bucketing）是一种优化数据查询和数据存储的方法。分桶可以帮助提高某些类型查询的效率，特别是在执行 JOIN 操作时。
分桶通过将数据按照指定列的哈希值分散到多个文件中，每个文件称为一个桶（Bucket），从而使得查询可以更快地定位到需要的数据。
实现步骤
第①步：创建临时表，存储全部数据
CREATE TABLE city (
province_id STRING,
city_id STRING,
amount INT,
city_name STRING
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
第②步：上传数据到临时表
第③步：创建分桶表（指定分桶字段和桶数量）
CREATE TABLE city_ft (
province_id STRING,
city_id STRING,
amount INT,
city_name STRING
)
CLUSTERED BY (province_id) INTO 2 BUCKETS;
第④步：设置支持分桶的参数
SET hive.enforce.bucketing=true;
第⑤步：从临时表导入数据到分桶表
INSERT INTO city_ft SELECT * FROM city;
────────────────────────────────────────
🌟 面试重点提示
1️⃣ 内部表 vs 外部表的区别是 Hive 面试中的必问题，一定要熟记！
2️⃣ 分区表是最常用的查询优化手段，要重点掌握动态分区的使用
3️⃣ 分桶表常用于 JOIN 优化和抽样查询，了解原理即可
4️⃣ 实际工作中，外部表 + 分区表配合使用是最常见的组合