hive相关问题

1.表述hive和hadoop的关系：

　　hive存储数据实在hdfs上，hive计算的底层使用的mapreduce，执行的程序运行在yarn上

2.hive的内部表和外部表的区别：

　　内部表删除数据会把元数据和数据都删除

　　外部表只删除元数据不会删除存储在hdfs上的数据

3.hive创建表有几种方式，分别是哪几种：

　　有3中，分别为：create table 表名；create table 表名 as select  .....from ....；create table 表名 like 表名；

4.hive向表中装在数据的方式，分别为：

　　有3种。分别为：load data 。。。。。。；insert overwrite table。。。；insert 插入方式。。。。

5.hive中有几种排序方式：

　　4种。

　　　　order by：全局排序；

　　　　sort by：对每一个Reduce内部排序，对全局没有排序；

　　　　distribute by:对数据进行分区，通常接合sort by进行使用

　　　　cluster by:当distribute by 和sort by字段相同时，可以使用cluster by

6.描述hive中实现UDF的步骤：

　　　　继承org.apache.hadoop.hive.ql.UDF,需要实现evaluate函数，编写代码

　　　　打包上传

　　　　加载架包 :add jar /home/lan/jar/udflower.jar;

　　　　注册临时函数：create temporary function my_lower as 'com.udf.org.LowerUDF';

　　　　使用

7.通过什么命令可以查看hive执行计划，即可以转化成几个MapReduce任务？

　　explain select * from emp;

8.简单简述一下hive的优化方案：

　　a.FetchTack(抓取任务）：直接抓取数据出来，在配置文件中可以设置hive-default.xml.tmplate

　　b.大表拆分成小表

　　c.分区表

　　d.数据的存储格式（textfile/orcfile/qarquet)

　　e.sql优化

9.hive产生数据倾斜的原因和解决方法：

　　产生数据倾斜的原因：

　　　　1.key分布不均匀

　　　　2.业务数据本身的特性

　　　　3.某些SQL语句本身就有数据倾斜

　　解决方案：

　　　　1.调节参数

　　　　2.调节sql语句

10.对桶表的理解：

　　就是对hive的进一步细化和组织成桶，对一个表或者分区进行细化。

 

11.实例：

汽车销售实例：