Hive中的四种表类型

一、Hive中四种表类型：受控表（内部表），外部表，分区表，分桶表

二、详细介绍

1. 内部表，就是一般的表，前面讲到的表都是内布标，当表定义被删除的时候，表中的数据随之一并被删除。
2. 外部表，数据存在与否和表的定义互不约束，仅仅只是表对hdfs上相应文件的一个引用，当删除表定义的时候，表中的数据依然存在。

   创建外部表，external是外部表的关键字，也是和内部表有区别的地方
   create external table tblName(colName colType...);
   加载数据
   alter table tblName set location 'hdfs_absolute_uri';
   

   外部表还可以在创建表的时候指定数据的位置，引用当前位置的数据。

   create external table tblName(colName colType...) location 'hdfs_absolute_uri';

   内部表和外部表的转换：

   内——>外
   alter table tblName set tblproperties('EXTERNAL'='TRUE');
   外——>内
   alter table tblName set tblproperties('EXTERNAL'='FALSE');

3. 分区表 

   1. 如何创建一张分区表？只需要在之前的创建表后面使用partition by加上分区字段就可以了，

          create table tblName (
      　　     id int comment 'ID',
      　　     name string comment 'name' 
          ) partitioned by (dt date comment 'create time')
          row format delimited fields terminated by '\t';

      如何加载数据？

      load data local inpath linux_fs_path into table tblName partition(dt='2018-12-07');

      分区的一些操作：

      查询分区中的数据：select * from tblName where dt='2018-12-07';(分区相当于where的一个条件)
      手动创建一个分区：alter table tblName add partition(dt='2018-12-07');
      查看分区表有哪些分区：show partitions tblName;
      删除一个分区(数据一起删掉了)：alter table tblName drop partition(dt='2018-12-07');

   2. 多个分区如何创建？和单个分区类似

      create table tblName (
      　　 id int comment 'ID',
      　　 name string comment 'name' 
      　　) partitioned by (year int comment 'admission year', school string comment 'school name')
      　　row format delimited fields terminated by '\t';

      同时也可以从hdfs上引用数据：

      alter table tblName partition(year='2018', school='crxy') set location hdfs_uri;

      注意：

      必须得现有分区,必须要使用hdfs绝对路径

4. 桶表，桶表是对数据进行哈希取值，然后放到不同文件中存储。查看每个桶文件中的内容，可以看出是通过对 buckets 取模确定的。

   如何创建桶表？

   create table tblName_bucket(id int) clustered by (id) into 3 buckets;

   说明：
          clustered by ：按照什么分桶
          into x buckets:分成x个桶
   如何加载数据？
          不能使用load data这种方式，需要从别的表来引用
          insert into table tblName_bucket select * from tbl_other;
   注意:在插入数据之前需要先设置开启桶操作，不然插入数据不会设置为桶!
         set hive.enforce.bucketing=true;
   桶表的主要作用：
         数据抽样
         提高某些查询效率

注意：
需要特别注意的是：clustered by 和 sorted by 不会影响数据的导入，这意味着，用户必须自己负责数据如何导入，包括数据的分桶和排序。
'set hive.enforce.bucketing = true'可以自动控制上一轮 reduce 的数量从而适配 bucket 的个数，
当然，用户也可以自主设置 mapred.reduce.tasks 去适配bucket 个数，
推荐使用'set hive.enforce.bucketing = true'。