【赵渝强老师】Hive的内部表与外部表

Hive是基于HDFS之上的数据仓库，它把所有的数据存储在HDFS中，Hive并没有专门的数据存储格式。当在Hive中创建了表，可以使用load语句将本地或者HDFS上的数据加载到表中，从而使用SQL语句进行分析和处理。

Hive的数据模型主要是指Hive的表结构，可以分为：内部表、外部表、分区表、临时表和桶表，同时Hive也支持视图。视频讲解如下：
https://www.bilibili.com/video/BV1fw4m1a7A1/?aid=1106140109&c...

一、使用Hive的内部表

内部表与关系型数据库中的表是一样的。使用create table语句可以创建内部表，并且每张表在HDFS上都会对应一个目录。这个目录将默认创建在HDFS的/user/hive/warehouse下。除外部表外，表中如果存在数据，数据所对应的数据文件也将存储在这个目录下。删除内部表的时候，表的元信息和数据都将被删除。视频讲解如下：
https://www.bilibili.com/video/BV16x4y1x7YF/?aid=1006203727&c...

下面使用之前的员工数据（emp.csv）来创建内部表。

（1）执行create table语句创建表结构。

hive> create table emp
(empno int,
ename string,
job string,
mgr int,
hiredate string,
sal int,
comm int,
deptno int)
row format delimited fields terminated by ',';

由于csv文件是采样逗号进行分隔的，因此在创建表的时候需要指定分隔符是逗号。Hive表的默认分隔符是一个不可见字符。

（2）使用load语句加载本地的数据文件。

hive> load data local inpath '/root/temp/emp.csv' into table emp;

（3）使用下面的语句加载HDFS的数据文件。

hive> load data inpath '/scott/emp.csv' into table emp;

（4）执行SQL的查询。

hive> select * from emp order by sal;

（5）整个执行的过程如下图所示。

（6）查看HDFS的/user/hive/warehouse/目录可以看到创建的emp表和加载的emp.csv文件，如下图所示。

二、使用外部表

与内部表不同的是，外部表可以将数据存在HDFS的任意目录下。可以把外部表理解成是一个快捷方式，它的本质是建立一个指向HDFS上已有数据的链接，在创建表的同时会加重数据。而当删除外部表的时候，只会删除这个链接和对应的元信息，实际的数据不会从HDFS上删除。视频讲解如下：
https://www.bilibili.com/video/BV1dE421c755/?aid=1656254561&c...

下面通过具体的步骤演示如何创建Hive的外部表。

[root@bigdata111 ~]# more students01.txt 
1,Tom,23
2,Mary,22
[root@bigdata111 ~]# more students02.txt 
3,Mike,24

（2）将数据文件上传到HDFS的任意目录。

hdfs dfs -mkdir /students
hdfs dfs -put students0*.txt /students

（3）在Hive中创建外部表。

hive> create external table ext_students
(sid int,sname string,age int)
row format delimited fields terminated by ','
location '/students';

（4）执行SQL的查询。

hive> select * from ext_students;

（5）执行的结果如下图所示。