hive 内部表和外部表的区别和理解

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！