m0_61808571的博客

本篇文章全面解析 Hive 中常见的数据文件格式，包括 Text、SequenceFile、RCFile、ORC、Parquet、Avro 及 JSON/CSV 的特点、差异、性能与适用场景，并给出每种格式的建表示例。内容还涵盖压缩方式、行式与列式存储比较、企业实践经验以及 20 条高频Hive面试题及详细答案，是一篇适合学习与面试的完整指南。

本文详细介绍了Hive中的三种表技术：分区表、分桶表和拉链表。分区表通过按字段值分目录存储数据，减少扫描范围；分桶表通过哈希均匀分布数据，优化Join性能；拉链表则用于记录维度历史变化。文章对比了三者的区别，分析了各自的使用场景和优缺点，并提供了面试常见问题的解答。这三种技术在数据仓库开发中各有侧重，合理组合使用可以显著提升查询性能和数据管理能力，是面试和实战中必须掌握的核心知识点。

本文系统介绍了Hive窗口函数的使用方法，包括9种常用窗口函数的语法、功能和应用场景。通过员工工资表的示例数据，详细演示了ROW_NUMBER、RANK、DENSE_RANK等排名函数，SUM OVER、AVG OVER等聚合函数，以及LAG、LEAD等偏移函数的实际应用。文章还包含窗口函数在面试中的高频问题，适合学习、面试和实战参考。

Hive中的表分为内部表（Managed Table）和外部表（External Table），主要区别在于数据管理方式。内部表由Hive完全管理，数据存储在Hive仓库目录，删除表时会同时删除数据；而外部表仅管理表结构，数据可存放在HDFS任意位置，删除表时不删除数据文件。内部表适合Hive专有数据，外部表适合多系统共享数据场景。两者查询方式相同，但外部表能防止误删数据，更适合生产环境。关键区别还包括创建语法（EXTERNAL关键字）、数据加载行为（是否移动文件）以及数据生命周期管理。