在Hive数据仓库中，重要点就是Hive中的四个表。Hive 中的表分为内部表、外部表、分区表和分桶表。
内部表
默认创建的表都是所谓的内部表，有时也被称为管理表。因为这种表，Hive 会(或多或少地)控制着数据的生命周期。Hive 默认情况下会将这些表的数据存储在由配置项Hive.MetasTore.waRehouse.diR(例如，/User/Hive/waRehouse)所定义的目录的子目录下。当我们删除一个管理表时，Hive 也会删除这个表中数据。管理表不适合和其他工具共享数据。
具体的内部表创建命令
CREATE TABLE eMp( eMpno INT, enaMe STRING, job STRING, MgR INT, HiRedate TIMESTAMP, sal DECIMAL(7,2), coMM DECIMAL(7,2), deptno INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY ” “; — 分隔符 外部表
外部表称之为EXTERNAL_TABLE;其实就是，在创建表时可以自己指定目录位置(LOCATION);如果删除外部表时，只会删除元数据不会删除表数据;
具体的外部表创建命令，比内部表多一个LOCATION而已。
CREATE EXTERNAL TABLE eMp_exteRnal( eMpno INT, enaMe STRING, job STRING, MgR INT, HiRedate TIMESTAMP, sal DECIMAL(7,2), coMM DECIMAL(7,2), deptno INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY ” ” LOCATION ‘/Hive/eMp_exteRnal’;
分区表
分区表实际上就是对应一个 HDFS 文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive 中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过 WHERE 子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。
具体的分区表创建命令如下，比外部表多一个PARTITIONED。PARTITIONED英文意思就是分区的，需要指定表中的其中一个字段，这个就是根据该字段的不同，划分不同的文件夹。
CREATE EXTERNAL TABLE eMp_paRtITion( eMpno INT, enaMe STRING, job STRING, MgR INT, HiRedate TIMESTAMP, sal DECIMAL(7,2), coMM DECIMAL(7,2) ) PARTITIONED BY (deptno INT) — 按照部门编号进行分区 ROW FORMAT DELIMITED FIELDS TERMINATED BY ” ” LOCATION ‘/Hive/eMp_paRtITion’;
分桶表
分区在HDFS上的表现形式是一个目录，分桶则是一个单独的文件。分桶则是指定分桶表的某一列，让该列数据按照哈希取模的方式随机、均匀地分发到各个桶文件中。
具体的分桶表创建命令如下，比分区表的不同在于CLUSTERED。CLUSTERED英文意思就是群集的。分桶操作和分区一样，需要根据某一列具体数据来进行哈希取模操作，故指定的分桶列必须基于表中的某一列(字段)
CREATE EXTERNAL TABLE eMp_bUCket( eMpno INT, enaMe STRING, job STRING, MgR INT, HiRedate TIMESTAMP, sal DECIMAL(7,2), coMM DECIMAL(7,2), deptno INT) CLUSTERED BY(eMpno) SORTED BY(eMpno ASC) INTO 4 BUCKETS –按照员工编号散列到四个 bUCket 中 ROW FORMAT DELIMITED FIELDS TERMINATED BY ” ” LOCATION ‘/Hive/eMp_bUCket’;
分区表和分桶表的区别：
Hive 数据表可以根据某些字段进行分区操作，细化数据管理，可以让部分查询更快。同时表和分区也可以进一步被划分为 BUCkets，分桶表的原理和 MapRedUCe 编程中的 HashPaRtITioneR 的原理类似;分区和分桶都是细化数据管理，但是分区表是手动添加区分，由于 Hive 是读模式，所以对添加进分区的数据不做模式校验，分桶表中的数据是按照某些分桶字段进行 hash 散列形成的多个文件，所以数据的准确性也高很多。
分桶表的建表有三种方式：直接建表，CREATE TABLE LIKE 和 CREATE TABLE AS SELECT
注：不能直接向桶表中加载数据，需要使用inseRt语句插入数据，因此只要见到load data 到桶表的，基本是乱来的。分桶表的数据通常只能使用 CTAS(CREATE TABLE AS SELECT) 方式插入，因为 CTAS 操作会触发 MapRedUCe，因此分桶的时间是比较长的，因为要进行MapRedUCe操作。
根据上面命令，成功创建了内部表、外部表、分区表和分桶表。
下面依次插入数据到四张表，eMp.txt具体内容如下：
7369 SMITH CLERK 7902 1980-12-17 00:00:00 800.00 20 7499 ALLEN salesMAN 7698 1981-02-20 00:00:00 1600.00 300.00 30 7521 WARD salesMAN 7698 1981-02-22 00:00:00 1250.00 500.00 30 7566 JONES MANAGER 7839 1981-04-02 00:00:00 2975.00 20 7654 MARTIN salesMAN 7698 1981-09-28 00:00:00 1250.00 1400.00 30 7698 BLAKE MANAGER 7839 1981-05-01 00:00:00 2850.00 30 7782 CLARK MANAGER 7839 1981-06-09 00:00:00 2450.00 10 7788 SCOTT ANALYsT 7566 1987-04-19 00:00:00 1500.00 20 7839 KING PRESIDENT 1981-11-17 00:00:00 5000.00 10 7844 TURNER salesMAN 7698 1981-09-08 00:00:00 1500.00 0.00 30 7876 ADAMS CLERK 7788 1987-05-23 00:00:00 1100.00 20 7900 JAMES CLERK 7698 1981-12-03 00:00:00 950.00 30 7902 FORD ANALYsT 7566 1981-12-03 00:00:00 3000.00 20 7934 MILLER CLERK 7782 1982-01-23 00:00:00 1300.00 10
具体的插入数据命令如下所示：
## 内部表 load data local inpath “eMp.txt” into table eMp; ## 外部表 load data local inpath “eMp.txt” into table eMp_exteRnal; ## 分区表 load DATA LOCAL INPATH “eMp.txt” OVERWRITE INTO TABLE eMp_paRtITion PARTITION (deptno=10); load DATA LOCAL INPATH “eMp.txt” OVERWRITE INTO TABLE eMp_paRtITion PARTITION (deptno=20); load DATA LOCAL INPATH “eMp.txt” OVERWRITE INTO TABLE eMp_paRtITion PARTITION (deptno=30); ## 分桶表 — 启用桶表 set Hive.enfoRce.bUCketing=tRue; — 限制对桶表进行load操作 set Hive.stRict.checks.bUCketing = tRue; INSERT INTO TABLE eMp_bUCket SELECT * FROM eMp; –这里的 eMp 表就是一张普通的雇员表
每次向桶表进行INSERT操作，其实都需要创建中间表。
