更多干货抢先看： 大数据干货合集
Apache Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供一种HQL语言进行查询，具有扩展性好、延展性好、高容错等特点，多应用于离线数仓建设。
1. Hive架构
存储： Hive底层存储依赖于hdfs，因此也支持hdfs所支持的数据存储格式，如text、json、parquet等。当我们将一个文件映射为Hive中一张表时，只需在建表的时告诉Hive，数据中的列名、列分隔符、行分隔符等，Hive就可以自动解析数据。
支持多种压缩格式： bzip2、gzip、lzo、snappy等。通常采用parquet+snappy格式存储。
支持计算引擎： 原生支持引擎为MapReduce。但也支持其他计算引擎，如Spark、Tez
元数据存储： derby是Hive内置的元数据存储库，但是derby并发性能差且目前不支持多会话。实际生产中，更多的是采用mysql多为Hive的元数据存储库。
HQL语句执行： 解析器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在hdfs中，并在随后转化为MapReduce任务执行。
2.Hive的几种建表方式
1）create external table ...
css
create [external] table [if not exists] table_name
[(col_name data_type[comment col_comment],...)]
[comment table_comment]
[partitioned by (col_name data_type[comment col_comment],...)]
[clustered by (col_name,col_name,...)[sorted by (col_name[asc|desc],...)] into num_buckets buckets]
[row formatrow_format]
[stored as file_format]
[location hdfs_path];create、if not exists等跟传统的关系型数据库含义类似，就不赘述了。笔者这里主要说一下hive建表时的几个特殊关键字：
external： 创建外部表时需要指定该关键字，并通过location指定数据存储的路径
partitioned by： 创建分区表时，指定分区列。
clustered by和sort by： 通常连用，用来创建分桶表，下文会具体阐述。
row format delimited fields terminated by char collection items terminated by char map keys terminated by char lines terminated by char serde serde_name with serdeproperties (property_name=property_value, property_name=property_value, ...)：指定行、字段、集合类型数据分割符、map类型数据key的分隔符等。用户在建表的时候可以使用Hive自带的serde或者自定义serde，Hive通过serde确定表具体列的数据。
stored as file_format： 指定表数据存储格式，如TextFile，SequenceFile，RCFile。默认textfile即文本格式，该方式支持通过load方式加载数据。如果数据需要压缩，则采用sequencefile方式，但这种存储方式不能通过load方式加载数据，必须从一个表中查询出数据再写入到一个表中insert overwrite table t1 select * from t1;
2） create table t_x as select ...
即ctas语句，复制数据但不复制表结构，创建的为普通表。如果复制的是分区表则新创建的不是分区表但有分区字段。 ctas语句是原子性的，如果select失败，将不再执行create操作。
3） create table t_x like t_y
like允许用户复制源表结构，但不复制数据。如，create table t2 like t1;
更多干货抢先看： 大数据干货合集