# Hive基础问题
1.Hive的主要作用是什么？
1.Hive是基于hadoop的数据仓库工具，可以将结构化的数据文件映射成一张数据表，并且提供sql查询。相当于mapreduce的客户端。
2.启动Hive的方式有哪些？
bin/hive
bin/hiveserver2
3.请谈一下Hive的特点是什么？Hive和RDBMS有什么异同？
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，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
4.Redis, 传统数据库,hbase,hive 每个之间的区别
1）Redis 是基于内存的数据库，注重实用内存的计算。
2）hbase是列式数据库，无法创建主键，地从是基于HDFS的，每一行可以保存很多的列。
3）hive是数据的仓库，是为了减轻mapreduce而设计的，不是数据库，是用来与hadoop做交互的。
5.Hive创建id，name，sex表的语法是什么？
create table student(id int,name String,sex String) row format delimited fields terminated by '\t'
6.Hive的两个重要参数是什么？
1）hive -e '' 从命令行执行指定的HQL。
2）hive -f *.hql 执行hive脚本命令。
7.Hive中如何复制一张表的表结构（不带有被复制表数据）
create table a like b
8.Hive中追加导入数据的4种方式是什么？请写出简要语法。
1）从本地导入：
loaddata local inpath '/home/1.txt' (overwrite)into table student
2）从Hdfs导入：
load data inpath'/user/hive/warehouse/1.txt' (overwrite)into table student
3）查询导入：
create table student1 as select * from student
4）查询结果导入：
insert （overwrite）into table staff select * from track_log
9.Hive是怎样保存元数据的？
保存元数据的方式有：内存数据库rerdy，本地mysql数据库，远程mysql数据库。
但是本地的mysql数据用的比较多，因为本地读写速度都比较快。
10.Hive内部表和外部表的区别？
在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是由它自己来管理的！而表则不一样。
在删除表的时候，Hive将会把属于表的元数据和数据全部删掉；而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的。
11.配置hive-site.xml都修改了哪些属性，请写出属性名称并解释该属性。
1）连接数据库的uRL。
2）数据库驱动名。
3）数据库账户。
4）数据库密码。
12.配置hive-env.sh都涉及到哪些属性？
1）添加JAVA_HOME路径：
JAVA_HOME=/opt/modules/jdk1.7.0_67
2）添加HADOOP_HOME路径：
HADOOP_HOME=/opt/modules/hadoop-2.5.0-cdh5.3.6/
3）添加HIVE_COF路径：
exportHIVE_CONF_DIR=/opt/modules/hive-0.13.1-cdh5.3.6/conf
13.如何连接HiveServer2？写出具体命令
bin/hiveserver2
bin/beeline
!connect jdbc:hive2://hadoop102:10000
14.HiveServer2的作用是什么？
Hiveserver2作用是允许多台主机通过beeline连接hiveserver2上，在通过hiveserver2连接到hive数据仓库。
15.所有的hive任务都会有reducer的执行吗？
不是，由于当前hive的优化，使得一般简单的任务不会去用reducer任务；只有稍微复杂的任务才会有reducer任务
16.分区和分桶的区别。
分区：是指按照数据表的某列或某些列分为多个区，区从形式上可以理解为文件夹，比如我们要收集某个大型网站的日志数据，一个网站每天的日志数据存在同一张表上，由于每天会生成大量的日志，导致数据表的内容巨大，在查询时进行全表扫描耗费的资源非常多。 那其实这个情况下，我们可以按照日期对数据表进行分区，不同日期的数据存放在不同的分区，在查询时只要指定分区字段的值就可以直接从该分区查找。
分桶：分桶是相对分区进行更细粒度的划分。分桶将整个数据内容安装某列属性值得hash值进行区分，如要按照name属性分为3个桶，就是对name属性值的hash值对3取摸，按照取模结果对数据分桶。如取模结果为0的数据记录存放到一个文件，取模为1的数据存放到一个文件，取模为2的数据存放到一个文件。
17.Hive的 sort by 和 order by 的区别。
order by 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。
2）sort by不是全局排序，其在数据进入reducer前完成排序.因此，如果用sort by进行排序，并且设置mapred.reduce.tasks>1， 则sort by只保证每个reducer的输出有序，不保证全局有序。
18.简要描述数据库中的 null，说出null在hive底层如何存储，并解释
null与任何值运算的结果都是null, 可以使用is null、is not null函数指定在其值为null情况下的取值。 null在hive底层默认是用'\N'来存储的，可以通过
alter table test SETSERDEPROPERTIES('serialization.null.format' = 'a')来修改。
19.请说明hive中 Sort By，Order By，Cluster By，Distrbute By各代表什么意思。
order by： 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）。只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。
sort by：不是全局排序，其在数据进入reducer前完成排序。
distribute by：按照指定的字段对数据进行划分输出到不同的reduce中。
cluster by：除了具有 distribute by 的功能外还兼具 sort by 的功能。
20.请把下一语句用hive方式实现。
SELECT a.key,a.value FROM a WHERE a.key not in (SELECT b.key FROM b)
selecta.key,a.value from a where a.key not exists (select b.key from b)
