hive 内部表和外部表的区别和理解

本文详细解析Hive中内部表与外部表的区别,包括创建方式、数据导入过程及删除行为的不同。通过实例演示帮助理解两种表类型的特性,指导用户在实际应用中做出合理选择。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.创建内部表与外部表的区别是什么?
2.external关键字的作用是什么?
3.外部表与内部表的区别是什么?
4.删除表的时候,内部表与外部表有什么区别?
5.load data local inpath '/home/wyp/data/wyp.txt' into table wyp;的过程是什么样子的?

6.磁盘,hdfs,hive表他们之间的过程是什么样子的?


好了,进入正题。今天我们要探讨的话题是Hive的里面的表与外部表两个概念,以及如何在Hive里面创建表和外部表,它们之间有什么区别等话题。在本博客的 让你彻底明白hive数据存储各种模式文章里面我们谈到了Hive的数据存储模式,里面简单的说到Hive中表以及外部表的简单概念,相信很多读者对这些概念还不是很了解,今天就给大家科普一下,希望对大家有所帮助。
  相信很多用户都用过关系型数据库,我们可以在关系型数据库里面创建表(create table),这里要讨论的表和关系型数据库中的表在概念上很类似。我们可以用下面的语句在Hive里面创建一个表:


  1. hive> create table wyp(id int,
  2.     > name string,
  3.     > age int,
  4.     > tele string)
  5.     > ROW FORMAT DELIMITED
  6.     > FIELDS TERMINATED BY '\t'
  7.     > STORED AS TEXTFILE;
  8. OK
  9. Time taken: 0.759 seconds
复制代码
这样我们就在Hive里面创建了一张普通的表,现在我们给这个表导入数据:

  1. hive> load data local inpath '/home/wyp/data/wyp.txt' into table wyp;
  2. Copying data from file:/home/wyp/data/wyp.txt
  3. Copying file: file:/home/hdfs/wyp.txt
  4. Loading data to table default.wyp
  5. Table default.wyp stats: [num_partitions: 0, num_files: 1,
  6.            num_rows: 0, total_size: 67, raw_data_size: 0]
  7. OK
  8. Time taken: 3.289 seconds
  9. hive> select * from wyp;
  10. OK
  11. 1       wyp     25      13188888888888
  12. 2       test    30      13888888888888
  13. 3       zs      34      899314121
  14. Time taken: 0.41 seconds, Fetched: 3 row(s)
复制代码

注意:/home/wyp/data/路径是Linux本地文件系统路径;而/home/hdfs/是HDFS文件系统上面的路径!从上面的输出我们可以看到数据是先从本地的/home/wyp/data/文件夹下复制到HDFS上的/home/hdfs/wyp.txt(这个是Hive中的配置导致的)文件中!最后Hive将从HDFS上把数据移动到wyp表中!移到表中的数据到底存放在HDFS的什么地方?其实在Hive的${HIVE_HOME}/conf/hive-site.xml配置文件的hive.metastore.warehouse.dir属性指向的就是Hive表数据存放的路径(在我的店电脑里面配置是/user/hive/warehouse),而Hive每创建一个表都会在hive.metastore.warehouse.dir指向的目录下以表名创建一个文件夹,所有属于这个表的数据都存放在这个文件夹里面。所以,刚刚导入到wyp表的数据都存放在/user/hive/warehouse/wyp/文件夹中,我们可以去看看:


  1. hive> dfs -ls /user/hive/warehouse/wyp ;
  2. Found 1 items
  3. -rw-r--r-- 3 wyp supergroup   67 2014-01-14 22:23 /user/hive/warehouse/wyp/wyp.txt
复制代码

看到没,上面的命令就是显示HDFS上的/user/hive/warehouse/wyp中的所有内容。如果需要删除wyp表,可以用下面的命令:

  1. hive> drop table wyp;
  2. Moved: 'hdfs://mycluster/user/hive/warehouse/wyp' to
  3.         trash at: hdfs://mycluster/user/hdfs/.Trash/Current
  4. OK
  5. Time taken: 2.503 seconds
复制代码


从上面的输出Moved: ‘hdfs://mycluster/user/hive/warehouse/wyp’ to trash at: hdfs://mycluster/user/hdfs/.Trash/Current我们可以得知,原来属于wyp表的数据被移到hdfs://mycluster/user/hdfs/.Trash/Current文件夹中(如果你的Hadoop没有取用垃圾箱机制,那么drop table wyp命令将会把属于wyp表的所有数据全部删除!),其实就是删掉了属于wyp表的数据。记住这些,因为这些和外部表有很大的不同。同时,属于表wyp的元数据也全部删除了!
我们再来创建一个外部表:


  1. hive> create external table exter_table(
  2.     > id int,
  3.     > name string,
  4.     > age int,
  5.     > tel string)
  6.     > location '/home/wyp/external';
  7. OK
  8. Time taken: 0.098 seconds
复制代码

仔细观察一下创建表和外部表的区别,仔细的同学们一个会发现创建外部表多了external关键字说明以及location ‘/home/wyp/external’。是的,你说对了!如果你需要创建外部表,需要在创建表的时候加上external关键字,同时指定外部表存放数据的路径(当然,你也可以不指定外部表的存放路径,这样Hive将在HDFS上的/user/hive/warehouse/文件夹下以外部表的表名创建一个文件夹,并将属于这个表的数据存放在这里):

  1. hive> load data local inpath '/home/wyp/data/wyp.txt' into table exter_table;
  2. Copying data from file:/home/wyp/data/wyp.txt
  3. Copying file: file:/home/hdfs/wyp.txt
  4. Loading data to table default.exter_table
  5. Table default.exter_table stats: [num_partitions: 0, num_files:
  6.             1, num_rows: 0, total_size: 67, raw_data_size: 0]
  7. OK
  8. Time taken: 0.456 seconds
复制代码

和上面的导入数据到表一样,将本地的数据导入到外部表,数据也是从本地文件系统复制到HDFS中/home/hdfs/wyp.txt文件中,但是,最后数据不是移动到外部表的/user/hive/warehouse/exter_table文件夹中(除非你创建表的时候没有指定数据的存放路径)!大家可以去HDFS上看看!对于外部表,数据是被移动到创建表时指定的目录(本例是存放在/home/wyp/external文件夹中)!如果你要删除外部表,看看下面的操作:

  1. hive> drop table exter_table;
  2. OK
  3. Time taken: 0.093 seconds
复制代码
和上面删除Hive的表对比可以发现,没有输出将数据从一个地方移到任一个地方!那是不是删除外部表的的时候数据直接被删除掉呢?答案不是这样的:

  1. hive> dfs  -ls /home/wyp/external;
  2. Found 1 items
  3. -rw-r--r--  3 wyp supergroup 67 2014-01-14 23:21 /home/wyp/external/wyp.txt
复制代码

你会发现删除外部表的时候,数据并没有被删除,这是和删除表的数据完全不一样的!

最后归纳一下Hive中表与外部表的区别:
1、在导入数据到外部表,数据并没有移动到自己的数据仓库目录下,也就是说外部表中的数据并不是由它自己来管理的!而表则不一样;
2、在删除表的时候,Hive将会把属于表的元数据和数据全部删掉;而删除外部表的时候,Hive仅仅删除外部表的元数据,数据是不会删除的!
那么,应该如何选择使用哪种表呢?在大多数情况没有太多的区别,因此选择只是个人喜好的问题。但是作为一个经验,如果所有处理都需要由Hive完成,那么你应该创建表,否则使用外部表!




1. 内部表

create table test (name string , age string) location '/input/table_data';    
注:hive默认创建的是内部表
此时,会在hdfs上新建一个test表的数据存放地
load data inpath '/input/data' into table test ;

会将hdfs上的/input/data目录下的数据转移到/input/table_data目录下。删除test表后,会将test表的数据和元数据信息全部删除,即最后/input/table_data下无数据,当然/input/data下再上一步已经没有了数据!

     如果创建内部表时没有指定location,就会在/user/Hive/warehouse/下新建一个表目录,其余情况同上。

    注:load data会转移数据

2. 外部表

create external table etest (name string , age string);   

会在/user/hive/warehouse/新建一个表目录et

load data inpath '/input/edata' into table etest;    

把hdfs上/input/edata/下的数据转到/user/hive/warehouse/et下,删除这个外部表后,/user/hive/warehouse/et下的数据不会删除,但是/input/edata/下的数据在上一步load后已经没有了!数据的位置发生了变化!

本质是load一个hdfs上的数据时会转移数据!

 

 

3. 小结

 

最后归纳一下Hive中表与外部表的区别:

 

     1、在导入数据到外部表,数据并没有移动到自己的 数据仓库目录下(如果指定了location的话),也就是说外部表中的数据并不是由它自己来管理的!而内部表则不一样;
     2、在删除内部表的时候,Hive将会把属于表的元数据和数据全部删掉;而删除外部表的时候,Hive仅仅删除外部表的元数据,数据是不会删除的!

 

     3. 在创建内部表或外部表时加上location 的效果是一样的,只不过表目录的位置不同而已,加上partition用法也一样,只不过表目录下会有分区目录而已,load data local inpath直接把本地文件系统的数据上传到hdfs上,有location上传到location指定的位置上,没有的话上传到hive默认配置的数据仓库中。

外部表相对来说更加安全些,数据组织也更加灵活,方便共享源数据。 

那么,应该如何选择使用哪种表呢?在大多数情况没有太多的区别,因此选择只是个人喜好的问题。但是作为一个经验,如果所有处理都需要由Hive完成,那么你应该创建表,否则使用外部表!

 


<think>嗯,用户想了解Hive外部表内部表。我应该先回忆一下Hive的基本概念。Hive是基于Hadoop的数据仓库工具,用来处理结构化数据,使用HQL查询。内部表外部表是其中两种表类型,关键区别在于数据生命周期管理。 首先,内部表,也叫管理表。当创建内部表时,Hive会管理数据存储的位置,通常是HDFS的默认路径,比如/user/hive/warehouse。删除内部表时,元数据实际数据都会被删除。这适合临时数据,用户不需要关心数据残留的问题。 然后是外部表。创建时需要指定外部关键字,并且要定义数据的位置。这时候Hive只管理元数据,实际数据存储在用户指定的路径。删除外部表时,只删除元数据,数据仍然保留在原来的位置。这对需要多个工具共享数据的情况非常有用,比如同时用HiveSpark处理同一份数据,避免误删。 接下来要考虑用户可能的实际应用场景。比如,用户可能需要外部表来避免误删生产数据,或者内部表用于中间结果的临时存储。还要注意语法差异,创建外部表需要用EXTERNAL关键字LOCATION指定路径。 另外,需要提醒用户注意权限问题,外部表的数据位置可能需要适当的HDFS权限设置。还有数据恢复的可能性,内部表一旦删除,数据就没了,而外部表的数据还在,除非手动删除。 可能用户在使用中遇到的问题,比如误删内部表导致数据丢失,或者外部表路径配置错误导致数据无法访问。需要强调根据使用场景选择合适的表类型,确保数据安全高效管理。 总结一下,回答的结构应该先定义两种表,然后对比它们的特点,包括数据管理、存储位置、删除行为、应用场景等。最后给出使用建议,帮助用户根据需求选择。要确保语言清晰,步骤分明,避免技术术语过于复杂,让用户容易理解。</think>Hive中的外部表(External Table)内部表(Internal Table,又称管理表)是两种数据管理方式,主要区别在于**数据生命周期控制权****存储位置管理**。以下是详细对比与分析: --- ### 一、内部表(Managed Table) #### 1. 特点 - **数据管理权**:Hive完全控制数据生命周期。 - **存储位置**:默认存储在Hive的仓库目录(如`/user/hive/warehouse`),路径由Hive自动分配。 - **删除行为**:删除表时,**元数据(表结构)实际数据文件**会同时被删除。 #### 2. 适用场景 - 临时数据或中间结果。 - 需要Hive完全管理数据时(如测试环境)。 #### 3. 创建语法 ```sql CREATE TABLE managed_table ( id INT, name STRING ); ``` --- ### 二、外部表(External Table) #### 1. 特点 - **数据管理权**:用户或外部系统控制数据生命周期。 - **存储位置**:需手动指定路径(如`LOCATION '/user/data/logs'`)。 - **删除行为**:删除表时,**仅删除元数据**,实际数据文件保留。 #### 2. 适用场景 - 多系统共享数据(如Hive与Spark共用同一份数据)。 - 防止误删生产数据(如日志文件、原始数据备份)。 #### 3. 创建语法 ```sql CREATE EXTERNAL TABLE external_table ( id INT, name STRING ) LOCATION '/user/data/external_table'; ``` --- ### 三、核心差异对比 | 特性 | 内部表 | 外部表 | |---------------------|--------------------------|---------------------------| | **数据存储位置** | Hive默认路径 | 用户自定义路径 | | **数据删除行为** | 删除表时同时删除数据 | 删除表时保留数据 | | **数据控制权** | Hive管理 | 用户管理 | | **应用场景** | 临时数据、测试环境 | 生产数据、多系统共享 | --- ### 四、使用建议 1. **优先选择外部表**: 若数据需要长期保留或被其他工具访问,外部表更安全。 2. **明确存储路径**: 创建外部表时,务必通过`LOCATION`指定可读写的HDFS路径。 3. **数据恢复**: 误删外部表后,可通过重建表(指定原路径)恢复数据;内部表数据无法恢复。 --- ### 五、示例验证 1. **验证删除行为**: ```sql -- 删除内部表(数据消失) DROP TABLE managed_table; -- 删除外部表(数据保留) DROP TABLE external_table; ``` 2. **迁移表类型**: ```sql -- 将内部表转为外部表 ALTER TABLE managed_table SET TBLPROPERTIES('EXTERNAL'='TRUE'); ``` --- 通过合理选择外部表内部表,可以优化数据管理流程,避免因误操作导致数据丢失。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值