2023 Hive 面试大纲

先说一些废话

总结一下Hive面试宝典中的要点，方便读者快速过一遍Hive面试所需要的知识点。
本文请搭配 Hive面试宝典 来食用更美味哟 ┗( ▔, ▔ )┛

方便自己系统性回忆，根据*的数量来标记重要性

+ 简单了解
++ 熟悉掌握
+++ 需要精通

1. Hive的介绍（+）

   • Hive和Hadoop的关系
   • Hive的特点
   • Hive的缺点
   • Hive常见的应用场景
   • Hive和mysql的区别
2. Hive的架构（+）

3. Hive的数据（++）

   • Hive的数据模型
   • Hive的底层如何存储Null值
   • Hive中元数据metadata和元数据商店metastore)`的作用
   • Hive有哪些保存元数据metadata的方式
   • Hive元数据存储方式中，本地模式和远程模式的区别
   • Hive的数据类型
   • Hive的隐式类型转换规则
   • Hive数据存储所使用的文件格式
   • Hive中使用的压缩算法
   • 什么是数据可分割
   • 关于压缩模式说明

4. Hive的安装与使用（+）

   • 如何在Hive中集成HBase
   • 如何通过 HiveSQL 来直接读写 HBase

5. Hive的分区和分桶（++）

   • 什么是Hive分区
   • Hive分区的优点
   • Hive分区的缺点
   • 什么是Hive分桶
   • 关于Hive索引的说明
   • Hive分桶的优点
   • Hive分桶的缺点
   • Hive中静态分区和动态分区的区别
   • Hive动态分区的参数设定

6. Hive的内部表和外部表（+）

   • 什么是Hive的内部表和外部表
   • Hive内部表和外部表的区别是什么
   • 生产环境中为什么建议使用外部表

7. Hive SQL（+++）

   • Hive中的SQL如何转化成MapReduce任务的
   • 什么情况下Hive不走MapReduce任务
   • Hive中如何查询A表中B表不存在的数据
   • Hive中有哪些连接查询以及如何使用
   • Hive中左连接和内连接的区别
   • Hive中左连接的底层原理
   • Hive查询时候 ON 和 WHERE 有什么区别

8. Hive 函数（+++）

   • 如何使用UDF/UDAF/UDTF
   • 为什么使用UDF/UDAF/UDTF
   • 你写过什么样的UDF/UDAF/UDT
   • Hive自定义函数实现了什么函数什么接口
   • Hive中如何去重
   • Hive中排序函数的使用方式及区别
   • 请说明以下常用函数 split / coalesce / collect list / collect set 的功能
   • 请描述工作中常用的Hive常用函数及使用场景

9. Hive 运维（+）

   • 如何监控一个提交后的Hive状态

10. Hive 优化（+++）

    • 请说明你在工作中如何进行Hive优化
    • HiveSQL优化 ———— Hive单表查询优化
    • HiveSQL优化 ———— Hive多表查询优化
    • HiveSQL优化 ———— Hive其他查询优化
    • Hive数据倾斜 ———— 单表携带了 Group By 字段的查询
    • Hive数据倾斜 ———— 两表或多表的 join 关联时，其中一个表较小，但是 key 集中
    • Hive数据倾斜 ———— 两表或多表的 join 关联时，有 Null值 或 无意义值
    • Hive数据倾斜 ———— 两表或多表的 join 关联时，数据类型不统一
    • Hive数据倾斜 ———— 单独处理倾斜key
    • HiveJob优化 ———— HiveMap优化方案
    • HiveJob优化 ———— HiveReduce优化方案
    • Hive整体优化方案

我是 fx67ll.com，如果您发现本文有什么错误，欢迎在评论区讨论指正，感谢您的阅读！
如果您喜欢这篇文章，欢迎访问我的 本文github仓库地址，为我点一颗Star，Thanks~ :)
转发请注明参考文章地址，非常感谢！！！