深入学习《Programing Hive》：Hive的数据模型(表)

[b]Hive的数据类型[/b]
Hive的基本数据类型有：TINYINT，SAMLLINT，INT，BIGINT，BOOLEAN，FLOAT，DOUBLE，STRING，TIMESTAMP(V0.8.0+)和BINARY(V0.8.0+)。
Hive的集合类型有：STRUCT，MAP和ARRAY。

Hive主要有四种数据模型(即表)：[b](内部)表、外部表、分区表和桶表。[/b]
表的元数据保存传统的数据库的表中，当前hive只支持Derby和MySQL数据库。
[b]内部表：[/b]
Hive中的表和传统数据库中的表在概念上是类似的，Hive的每个表都有自己的存储目录，除了外部表外，所有的表数据都存放在配置在hive-site.xml文件的${hive.metastore.warehouse.dir}/table_name目录下。

        CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,
                 grade STRING COMMOT '班级'）COMMONT '学生表'
        ROW FORMAT DELIMITED
        FIELDS TERMINATED BY ','
        STORE AS TEXTFILE;          

[b]外部表：[/b]
外部表指向已经存在在Hadoop HDFS上的数据，除了在删除外部表时只删除元数据而不会删除表数据外，其他和内部表很像。

        CREATE EXTERNAL TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,
                 class STRING COMMOT '班级'）COMMONT '学生表'
        ROW FORMAT DELIMITED
        FIELDS TERMINATED BY ','
        STORE AS SEQUENCEFILE
        LOCATION '/usr/test/data/students.txt';            

[b]分区表：[/b]
分区表的每一个分区都对应数据库中相应分区列的一个索引，但是其组织方式和传统的关系型数据库不同。在Hive中，分区表的每一个分区都对应表下的一个目录，所有的分区的数据都存储在对应的目录中。
比如说，分区表partitinTable有包含nation(国家)、ds(日期)和city(城市)3个分区，其中nation = china，ds = 20130506，city = Shanghai则对应HDFS上的目录为：
/datawarehouse/partitinTable/nation=china/city=Shanghai/ds=20130506/。

        CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,
                 class STRING COMMOT '班级'）COMMONT '学生表'
        PARTITIONED BY (ds STRING,country STRING)
        ROW FORMAT DELIMITED
        FIELDS TERMINATED BY ','
        STORE AS SEQUENCEFILE;            

分区中定义的变量名不能和表中的列相同。
[b]桶区表：[/b]
桶表就是对指定列进行哈希(hash)计算，然后会根据hash值进行切分数据，将具有不同hash值的数据写到每个桶对应的文件中。

        CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,
                 class STRING COMMOT '班级',score SMALLINT COMMOT '总分'）COMMONT '学生表'
        PARTITIONED BY (ds STRING,country STRING)
        CLUSTERED BY(user_no) SORTED BY(score) INTO 32 BUCKETS
        ROW FORMAT DELIMITED
        FIELDS TERMINATED BY ','
        STORE AS SEQUENCEFILE;            

内部表和外部表的主要区别:
1)、内部表创建要2步：表创建和数据加载，这两个过程可以同步执行。在数据加载的过程中，数据数据会移动到数据仓库的目录中；外部表的创建只需要一个步骤，表创建数据加载同时完成，表数据不会移动。
2)、删除内部表时，会将表数据和表的元数据一同删除；而删除外部表时，紧删除表的元数据而不会删除表数据。