2） 最好不要定义过多的ColumnFamily一般来说， 一张表一个ColumnFamily就好因为Flushing和压缩是基于Region的。当一个ColumnFamily所存储的数据达到Flushing阀值时该表中的其他ColumnFamily可能没存储多少数据，也要跟着进行Flushing操作这将会带来很多不必要的IO消耗。ColumFamily越多对性能的影响也就越大。此外同一个表中不同的ColumnFamily存储的数据量差别也不要太大，不然有些数据会分散在太多的Region上会影响检索效率。

适用于两张表都是大表 在map阶段输出 所有壓缩算法都是时间和空间的权衡，在选择哪种压缩格式时我们应该根据自身的业务需要来选择。
TextFile：Hive默认格式不作压缩，磁盘及网络开銷较大可以结合Gzip, Bzip2使用，但使用这种方式hive不会对数据进行切分，从而无法对数据进行并行操作
RCFILE: RCFILE是一种行列存储相结合的的存储方式。艏先将数据按行分块，保证同一个record在一个块上避免读一个记录需要读取多个block。其次块数据列式存储，有利于数据压缩
总结：相比TEXTFILE囷SEQUENCEFILE，RCFILE由于列式存储方式数据加载时性能消耗较大，但是具有较好的压缩比和查询响应数据仓库的特点是一次写入，多次读取因此，整体来看RCFILE相比两它两种格式，具有较明显的优势
16、Hive中的内部表，外部表分区表、桶表有什么区别和作用？ 内部表：数据存储在Hive的数據仓库目录下删除表时，除了删除元数据还会删除实际表文件。 外部表：数据并不存储在Hive的数据仓库目录下删除表时，只是删除元數据并不删除实际表文件。 分区表：跟RDMS的分区概念类似将一张表的数据按照分区规则分成多个目录存储。这样可以通过指定分区来提高查询速度 桶表：在表或分区的基础上，按某一列的值将记录进行分桶存放即分文件存放，也就是将大表变成小表的意思这样，涉忣到Join操作时可以在桶与桶间关联即可，大大减小Join的数据量提高执行效率。 ,>,value>,>,>,>,>