Hive体系结构（二）Hive的执行原理、与关系型数据库的比较 - CSDN博客
Hive体系结构（二）Hive的执行原理、与关系型数据库的比较
1. Hive执行原理
Hive构建在Hadoop之上，
1. HQL中对查询语句的解释、优化、生成查询计划是由Hive完成的
2. 所有的数据都是存储在Hadoop中
3. 查询计划被转化为MapReduce任务，在Hadoop中执行（有些查询没有MR任务，如：select * from table）
4. Hadoop和Hive都是用UTF-8编码的
Hive编译器将一个Hive QL转换操作符。操作符Operator是Hive的最小的处理单元，每个操作符代表HDFS的一个操作或者一道MapReduce作业。Operator都是hive定义的一个处理过程，其定义有：
protected List &Operator&? extends Serializable && childO
protected List &Operator&? extends Serializable && parentO
protected boolean
所有的操作构成了Operator图，hive正是基于这些图关系来处理诸如limit, group by, join等操作。
操作符如下：
TableScanOperator：扫描hive表数据
ReduceSinkOperator：创建将发送到Reducer端的&Key,Value&对
JoinOperator：Join两份数据
SelectOperator：选择输出列
FileSinkOperator：建立结果数据,输出至文件
FilterOperator：过滤输入数据
GroupByOperator：GroupBy语句
MapJoinOperator：/*+mapjoin(t) */
LimitOperator：Limit语句
UnionOperator：Union语句
Hive通过ExecMapper和ExecReducer执行MapReduce任务。在执行MapReduce时有两种模式，即本地模式和分布式模式 。
Hive编译器的组成：
编译流程如下：
2. Hive和数据库异同
由于Hive采用了SQL的查询语言HQL，因此很容易将Hive理解为数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言，再无类似之处。数据库可以用在Online的应用中，但是Hive是为数据仓库而设计的，清楚这一点，有助于从应用角度理解Hive的特性。
Hive和数据库的比较如下表：
处理数据规模
1. 查询语言。由于 SQL 被广泛的应用在数据仓库中，因此专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。
2. 数据存储位置。Hive是建立在Hadoop之上的，所有Hive的数据都是存储在HDFS中的。而数据库则可以将数据保存在块设备或者本地文件系统中。
3. 数据格式。Hive中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符（”\n”）以及读取文件数据的方法（Hive中默认有三个文件格式TextFile，SequenceFile以及RCFile）。由于在加载数据的过程中，不需要从用户数据格式到Hive定义的数据格式的转换，因此，
Hive在加载的过程中不会对数据本身进行任何修改，而只是将数据内容复制或者移动到相应的HDFS目录中。
而在数据库中，不同的数据库有不同的存储引擎，定义了自己的数据格式。所有数据都会按照一定的组织存储，因此，数据库加载数据的过程会比较耗时。
4. 数据更新。由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用INSERT INTO … VALUES添加数据，使用UPDATE … SET修改数据。
5. 索引。之前已经说过，Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于MapReduce的引入， Hive可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了Hive不适合在线数据查询。
6. 执行。Hive中大多数查询的执行是通过Hadoop提供的MapReduce来实现的（类似select * from tbl的查询不需要MapReduce）。而数据库通常有自己的执行引擎。
7. 执行延迟。之前提到，Hive在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致Hive执行延迟高的因素是MapReduce框架。由于MapReduce本身具有较高的延迟，因此在利用MapReduce执行Hive查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势。
8. 可扩展性。由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的（世界上最大的Hadoop集群在Yahoo!，2009年的规模在4000台节点左右）。而数据库由于ACID语义的严格限制，扩展行非常有限。目前最先进的并行数据库Oracle在理论上的扩展能力也只有100台左右。
9. 数据规模。由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。
本文已收录于以下专栏：
相关文章推荐
本文旨在讲解Hive的运行原理，帮助使用者更好的了解在使用的过程中它做了些什么工作，深入的理解他的工作机制，提高开发人员理论层面的知识。后面会逐渐推出Hive使用、Hbase原理与使用等大数据专题类文...
Hive安装与配置
Hive 内建操作符与函数开发
Hive 高级编程
Hive Shell 基本操作
Hive体系结构（一）架构与基本组成
Hive体系结构（二）Hive的执行原理、与关系型数据库的比较
Hive体系结构（三）元数据库与基本操作
1. Hive元数据库Hive将元数据存储在...
1.Hive 有哪些方式保存元数据，各有哪些特点。
15. Hive内部表和外部表的区别
23.hive底层与数据库交互原理
Hive的Hql语句掌握情况?
36.使用Hive或自定义mr...
coming form:http://blog.csdn.net/iquicksandi/article/details/8522691
Databases in Hive -- 在...
一、Hive是什么？　　 Hive 是基于 Hadoop 构建的一套数据仓库分析系统，它提供了丰富的 SQL 查询方式来分析存储在 Hadoop 分布式文件系统中的数据， 可以将结构化的数据文件映射为...
Hive中数据库的相关操作
数据库的创建、删除
hive (default)& create database if not exists wyT
Time taken: 0.69 ...
Given an array of integers, find two numbers such that they add up to a specific target number.
Hive这个框架在Hadoop的生态体系结构中占有及其重要的地位，在实际的业务当中用的也非常多，可以说Hadoop之所以这么流行在很大程度上是因为Hive的存在。那么Hive究竟是什么，为什么在Had...
Hive 的Driver 是hive的一个组件，负责将hive  sql 解析和优化HQL语句，将其转换成一个Hive Job（可以是MapReduce，也可以是Spark等其他任务）并提交给Hado...
他的最新文章
讲师：吴岸城
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)今天看啥 热点：
Hive学习（八）Hive数据导出三种方式，hive数据导出
今天我们再谈谈Hive中的三种不同的数据导出方式。
根据导出的地方不一样，将这些方式分为三种：
（1）、导出到本地文件系统；
（2）、导出到HDFS中；
（3）、导出到Hive的另一个表中。
为了避免单纯的文字，我将一步一步地用命令进行说明。
一、导出到本地文件系统
hive& insert overwrite local directory '/home/wyp/wyp'
& & & select *
这条HQL的执行需要启用Mapreduce完成，运行完这条语句之后，将会在本地文件系统的/home/wyp/wyp目录下生成文件，这个文件是Reduce产生的结果（这里生成的文件名是），我们可以看看这个文件的内容：
[wyp@master ~/wyp]$ vim
5^Awyp1^A23^A
6^Awyp2^A24^A
7^Awyp3^A25^A
8^Awyp4^A26^A
1^Awyp^A25^A88
2^Atest^A30^A88
3^Azs^A34^A
可以看出，这就是wyp表中的所有数据。数据中的列与列之间的分隔符是^A(ascii码是\00001)。
和导入数据到Hive不一样，不能用insert into来将数据导出：
hive& insert into local directory '/home/wyp/wyp'
& & & select *
NoViableAltException(79@[])
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser_SelectClauseParser.selectClause(HiveParser_SelectClauseParser.java:683)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.selectClause(HiveParser.java:30667)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.regular_body(HiveParser.java:28421)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatement(HiveParser.java:28306)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatementExpression(HiveParser.java:28100)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.execStatement(HiveParser.java:1213)
& && &&&at org.apache.hadoop.hive.ql.parse.HiveParser.statement(HiveParser.java:928)
& && &&&at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java:190)
& && &&&at org.apache.hadoop.hive.pile(Driver.java:418)
& && &&&at org.apache.hadoop.hive.pile(Driver.java:337)
& && &&&at org.apache.hadoop.hive.ql.Driver.run(Driver.java:902)
& && &&&at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java:259)
& && &&&at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:216)
& && &&&at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:413)
& && &&&at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:756)
& && &&&at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:614)
& && &&&at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
& && &&&at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
& && &&&at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
& && &&&at java.lang.reflect.Method.invoke(Method.java:597)
& && &&&at org.apache.hadoop.util.RunJar.main(RunJar.java:212)
FAILED: ParseException line 1:12 missing TABLE at 'local' near 'local' in select clause
line 1:18 cannot recognize input near 'directory' ''/home/wyp/wyp'' 'select' in select clause
二、导出到HDFS中
和导入数据到本地文件系统一样的简单，可以用下面的语句实现：
hive& insert overwrite directory '/home/wyp/hdfs'
& & & select *
将会在HDFS的/home/wyp/hdfs目录下保存导出来的数据。注意，和导出文件到本地文件系统的HQL少一个local，数据的存放路径就不一样了。
三、导出到Hive的另一个表中
这也是Hive的数据导入方式，如下操作：
hive& insert into table test
& & & partition (age='25')
& & & select id, name, tel
#####################################################################
& && && &&&这里输出了一堆Mapreduce任务信息，这里省略
#####################################################################
Total MapReduce CPU Time Spent: 1 seconds 310 msec
Time taken: 19.125 seconds
hive& select *
5& && & wyp1& & & & 25
6& && & wyp2& & & & 25
7& && & wyp3& & & & 25
8& && & wyp4& & & & 25
1& && & wyp& &&&88&&25
2& && & test& & 88&&25
3& && & zs& && && && & 25
Time taken: 0.126 seconds, Fetched: 7 row(s)
细心的读者可能会问，怎么导入数据到文件中，数据的列之间为什么不是wyp表设定的列分隔符呢？其实在Hive 0.11.0版本之间，数据的导出是不能指定列之间的分隔符的，只能用默认的列分隔符，也就是上面的^A来分割，这样导出来的数据很不直观，看起来很不方便！
如果你用的Hive版本是0.11.0，那么你可以在导出数据的时候来指定列之间的分隔符。
下面详细介绍：
在Hive0.11.0版本新引进了一个新的特性，也就是当用户将Hive查询结果输出到文件，用户可以指定列的分割符，而在之前的版本是不能指定列之间的分隔符，这样给我们带来了很大的不变，在Hive0.11.0之前版本我们一般是这样用的：
hive& insert overwrite local directory '/home/wyp/Documents/result'
hive& select *
保存的文件列之间是用^A（\x01）来分割
196^A242^A3
186^A302^A3
22^A377^A1
244^A51^A2
注意，上面是为了显示方便，而将\x01写作^A，在实际的文本编辑器我们是看不到^A的，而是一个奇怪的符号。
现在我们可以用Hive0.11.0版本新引进了一个新的特性，指定输出结果列之间的分隔符：
hive& insert overwrite local directory '/home/wyp/Documents/result'
hive& row format delimited
hive& fields terminated by '\t'
hive& select *
再次看出输出的结果
196& && &&&242& && &&&3
186& && &&&302& && &&&3
22& && &&&377& && &&&1
244& && &&&51& && &&&2
结果好看多了。如果是map类型可以用下面语句来分割map的key和value
hive& insert overwrite local directory './test-04'&
hive& row format delimited&
hive& FIELDS TERMINATED BY '\t'
hive& COLLECTION ITEMS TERMINATED BY ','
hive& MAP KEYS TERMINATED BY ':'
hive& select *
根据上面内容，我们来进一步操作：
hive& insert overwrite local directory '/home/yangping.wu/local'
& & & row format delimited
& & & fields terminated by '\t'
& & & select *
[wyp@master ~/local]$ vim
5& && & wyp1& & 23& && &
6& && & wyp2& & 24& && &
7& && & wyp3& & 25& && &
8& && & wyp4& & 26& && &
1& && & wyp& &&&25& && &88
2& && & test& & 30& && &88
3& && & zs& && &34& && &
其实，我们还可以用hive的-e和-f参数来导出数据。其中-e 表示后面直接接带双引号的sql语句；而-f是接一个文件，文件的内容为一个sql语句，如下：
[wyp@master ~/local][& && &&&DISCUZ_CODE_26& && &&&] hive -e &select * from wyp& && local/wyp.txt
[wyp@master ~/local][& && &&&DISCUZ_CODE_26& && &&&] cat wyp.txt
5& && & wyp1& & 23& && &
6& && & wyp2& & 24& && &
7& && & wyp3& & 25& && &
8& && & wyp4& & 26& && &
1& && & wyp& &&&25& && &88
2& && & test& & 30& && &88
3& && & zs& && &34& && &
得到的结果也是用\t分割的。也可以用-f参数实现：
[wyp@master ~/local]$ cat wyp.sql
select * from wyp
[wyp@master ~/local]$ hive -f wyp.sql && local/wyp2.txt
上述语句得到的结果也是\t分割的。
如果你想把查询的结果保存到linux系统上的某个文件中，可以执行这个HQL。insert overwrite local directory '/tmp/output' select *这时查询的结果会被保存在HiveServer所在节点的的/tmp/output目录下。如果你使用的Hive版本是0.11及以上，还可以指定列之间的分隔符，具体可以看这个问题单issues.apache.org/jira/browse/HIVE-3682
目前我知道的方法是把你希望添加的数据写入到文本中，然后从文本导入到你的表格中。但是，hive不知道oracle的insert into , update。load data [local] inpath 'yourfile_location' [overwrite] into your_
相关搜索：
相关阅读：
相关频道：
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
云计算最近更新hive学习笔记
Hive 是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 QL，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
Hive 的结构可以分为以下几部分：
&&&&&&&&&用户接口：包括 CLI, Client, WUI
&&&&&&&&&元数据存储。通常是存储在关系数据库如 mysql, derby 中
&&&&&&&&&解释器、编译器、优化器、执行器
&&&&&&&&&Hadoop：用 HDFS 进行存储，利用MapReduce 进行计算
1、 用户接口主要有三个：CLI，Client和 WUI。其中最常用的是 CLI，Cli 启动的时候，会同时启动一个 Hive 副本。Client 是 Hive 的客户端，用户连接至 Hive Server。在启动 Client 模式的时候，需要指出 Hive Server 所在节点，并且在该节点启动 Hive Server。 WUI 是通过浏览器访问 Hive。
2、 Hive 将元数据存储在数据库中，如 mysql、derby。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
3、 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。
4、Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成（包含 * 的查询，比如 select * from tbl 不会生成 MapRedcue 任务）。
和Hadoop 关系
Hive构建在 Hadoop 之上，
&&&&&&&&&HQL 中对查询语句的解释、优化、生成查询计划是由 Hive 完成的
&&&&&&&&&所有的数据都是存储在 Hadoop 中
&&&&&&&&&查询计划被转化为 MapReduce 任务，在 Hadoop 中执行（有些查询没有 MR 任务，如：select * from table）
&&&&&&&&&Hadoop和Hive都是用UTF-8编码的
和普通关系数据库的异同
Raw Device or Local FS
处理数据规模
1.& 查询语言。由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
2.& 数据存储位置。Hive 是建立在Hadoop 之上的，所有 Hive 的数据都是存储在HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。
3.& 数据格式。Hive 中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符（”\n”）以及读取文件数据的方法（Hive 中默认有三个文件格式 TextFile，SequenceFile 以及 RCFile）。由于在加载数据的过程中，不需要从用户数据格式到 Hive 定义的数据格式的转换，因此，Hive 在加载的过程中不会对数据本身进行任何修改，而只是将数据内容复制或者移动到相应的 HDFS 目录中。而在数据库中，不同的数据库有不同的存储引擎，定义了自己的数据格式。所有数据都会按照一定的组织存储，因此，数据库加载数据的过程会比较耗时。
4.& 数据更新。由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO ...& VALUES 添加数据，使用 UPDATE... SET 修改数据。
5.& 索引。之前已经说过，Hive 在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些 Key 建立索引。Hive 要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。
6.& 执行。Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的（类似 select * from tbl 的查询不需要 MapReduce）。而数据库通常有自己的执行引擎。
7.& 执行延迟。之前提到，Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。
8.& 可扩展性。由于 Hive 是建立在 Hadoop 之上的，因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的（世界上最大的 Hadoop 集群在 Yahoo!，2009年的规模在4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。
9.&数据规模。由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。
Hive 将元数据存储在 RDBMS 中,一般常用的有MYSQL和DERBY。
启动HIVE的元数据库
进入到hive的安装目录
1、启动derby数据库
/home/admin/caona/hive/build/dist/
运行startNetworkServer -h 0.0.0.0
2、连接Derby数据库进行测试
查看/home/admin/caona/hive/build/dist/conf/hive-default.xml。
找到&property&
&&&&name&javax.jdo.option.ConnectionURL&/name&
&&&&value&jdbc:derby://hadoop1:1527/metastore_create=true&/value&
&&&&description&JDBC connect string for a JDBCmetastore&/description&
& &/property&
进入derby安装目录
/home/admin/caona/hive/build/dist/db-derby-10.4.1.3-bin/bin
Connect'jdbc:derby://hadoop1:1527/metastore_create=true';
3、元数据库数据字典
BUCKETING_COLS&&&&&&&&
&&& COLUMNS&&&&&&& &&&&
Hive表字段信息(字段注释，字段名，字段类型，字段序号)
　元数据库信息，存放HDFS路径信息
PARTITION_KEYS&&&&&&&&
Hive分区表分区键
SDS&&&&&&&&&&&&&&&&&&&
所有hive表、表分区所对应的hdfs数据目录和数据格式。
SD_ID,SERDE_ID
SD_PARAMS&&&&&&&&&&&&&
序列化反序列化信息，如行分隔符、列分隔符、NULL的表示字符等
SEQUENCE_TABLE&&&&&&&&
SEQUENCE_TABLE表保存了hive对象的下一个可用ID，如’org.apache.hadoop.hive.metastore.model.MTable’, 21，则下一个新创建的hive表其TBL_ID就是21，同时SEQUENCE_TABLE表中271786被更新为26(这里每次都是+5?)。同样，COLUMN，PARTITION等都有相应的记录
SERDES&&&&&&&&&&&&&&&&
SERDE_PARAMS&&&&&&&&&&
SORT_COLS&&&&&&&&&&&&&
TABLE_PARAMS&&&&&&&&&&
表级属性，如是否外部表，表注释等
TBLS&&&&&&&&&&&&&&&&&&
所有hive表的基本信息
TBL_ID,SD_ID
从上面几张表的内容来看，hive整个创建表的过程已经比较清楚了
解析用户提交hive语句，对其进行解析，分解为表、字段、分区等hive对象
根据解析到的信息构建对应的表、字段、分区等对象，从SEQUENCE_TABLE中获取构建对象的最新ID，与构建对象信息(名称，类型等)一同通过DAO方法写入到元数据表中去，成功后将SEQUENCE_TABLE中对应的最新ID+5。
实际上我们常见的RDBMS都是通过这种方法进行组织的，典型的如postgresql，其系统表中和hive元数据一样裸露了这些id信息(oid,cid等),而Oracle等商业化的系统则隐藏了这些具体的ID。通过这些元数据我们可以很容易的读到数据诸如创建一个表的数据字典信息，比如导出建表语名等。
导出建表语句的shell脚本见附一 待完成
将存放元数据的Derby数据库迁移到Mysql数据库
的数据存储
&&& 首先，Hive 没有专门的数据存储格式，也没有为数据建立索引，用户可以非常自由的组织 Hive 中的表，只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。
其次，Hive 中所有的数据都存储在 HDFS 中，Hive 中包含以下数据模型：Table，External Table，Partition，Bucket。
Hive 中的 Table 和数据库中的 Table 在概念上是类似的，每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 xiaojun，它在 HDFS 中的路径为：/ warehouse /xiaojun，其中，wh 是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录，所有的 Table 数据（不包括 External Table）都保存在这个目录中。
Partition 对应于数据库中的 Partition 列的密集索引，但是 Hive 中 Partition 的组织方式和数据库中的很不相同。在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中。例如：xiaojun 表中包含 dt 和 city 两个 Partition，则对应于 dt = , ctry = US 的 HDFS 子目录为：/ warehouse /xiaojun/dt=/ctry=US；对应于 dt = , ctry = CA 的 HDFS 子目录为；/ warehouse /xiaojun/dt=/ctry=CA
Buckets 对指定列计算 hash，根据 hash 值切分数据，目的是为了并行，每一个 Bucket 对应一个文件。将 user 列分散至 32 个 bucket，首先对 user 列的值计算 hash，对应 hash 值为 0 的 HDFS 目录为：/ warehouse /xiaojun/dt =/ctry=US/part-00000；hash 值为 20 的 HDFS 目录为：/ warehouse /xiaojun/dt =/ctry=US/part-00020
External Table 指向已经在 HDFS 中存在的数据，可以创建 Partition。它和 Table 在元数据的组织上是相同的，而实际数据的存储则有较大的差异。
Table 的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。
External Table 只有一个过程，加载数据和创建表同时完成（CREATE EXTERNAL TABLE ……LOCATION），实际数据是存储在 LOCATION 后面指定的 HDFS 路径中，并不会移动到数据仓库目录中。当删除一个 External Table 时，仅删除
1、 启动HIVE的WEB的界面
sh $HIVE_HOME/bin/hive --service hwi
2、查看HDFS上的文件数据
hadoopfs -text /user/admin/daiqf/createspu_fp/input/cateinfo |head
l& CREATETABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXIST 选项来忽略这个异常。
l& EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
l& LIKE 允许用户复制现有的表结构，但是不复制数据。
l& 用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive 通过 SerDe 确定表的具体的列的数据。
l& 如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED ASSEQUENCE 。
l& 有分区的表可以在创建的时候使用 PARTITIONED BY 语句。一个表可以拥有一个或者多个分区，每一个分区单独存在一个目录下。而且，表和分区都可以对某个列进行 CLUSTERED BY 操作，将若干个列放入一个桶（bucket）中。也可以利用SORT BY 对数据进行排序。这样可以为特定应用提高性能。
l& 表名和列名不区分大小写，SerDe 和属性名区分大小写。表和列的注释是字符串。
CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
& [(col_namedata_type [COMMENT col_comment], ...)]
& [COMMENTtable_comment]
& [PARTITIONED BY(col_name data_type [COMMENT col_comment], ...)]
& [CLUSTERED BY(col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTOnum_buckets BUCKETS]
&& [ROW FORMATrow_format] [STORED AS file_format]
&& | STORED BY'storage.handler.class.name' [}