hive数据模型

 

Hive 中所有的数据都存储在 HDFS 中， Hive 中包含以下数据模型： Table ， External Table ， Partition ， Bucket 。

1. Hive 中的 Table 和数据库中的 Table 在概念上是类似的，每一个 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 pvs ，它在 HDFS 中的路径为： /wh/pvs ，其中， wh 是在 hive-site.xml 中由 ${hive.metastore.warehouse.dir} 指定的数据仓库的目录，所有的 Table 数据（不包括 External Table ）都保存在这个目录中。
2. Partition 对应于数据库中的 Partition 列的密集索引，但是 Hive 中 Partition 的组织方式和数据库中的很不相同。在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中。例如： pvs 表中包含 ds 和 city 两个 Partition ，则对应于 ds = 20090801, ctry = US 的 HDFS 子目录为： /wh/pvs/ds=20090801/ctry=US ；对应于 ds = 20090801, ctry = CA 的 HDFS 子目录为； /wh/pvs/ds=20090801/ctry=CA
3. Buckets 对指定列计算 hash ，根据 hash 值切分数据，目的是为了并行，每一个 Bucket 对应一个文件。将 user 列分散至 32 个 bucket ，首先对 user 列的值计算 hash ，对应 hash 值为 0 的 HDFS 目录为： /wh/pvs/ds=20090801/ctry=US/part-00000 ； hash 值为 20 的 HDFS 目录为： /wh/pvs/ds=20090801/ctry=US/part-00020
4. External Table 指向已经在 HDFS 中存在的数据，可以创建 Partition 。它和 Table 在元数据的组织上是相同的，而实际数据的存储则有较大的差异。

• Table 的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数 据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。
• External Table 只有一个过程，加载数据和创建表同时完成（ CREATE EXTERNAL TABLE ……LOCATION ），实际数据是存储在 LOCATION 后面指定的 HDFS 路径中，并不会移动到数据仓库目录中。当删除一个 External Table 时，仅删除 元信息。