Hive表 建表

分区表

一个表可以拥有一个或者多个分区，每个分区以文件夹的形式单独存在表文件夹的目录下。
分区是以字段的形式在表结构中存在，通过describe table命令可以查看到字段存在，但是该字段不存放实际的数据内容，仅仅是分区的表示。
分区表的好处：
在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。表中的一个 Partition 对应于表下的一个目录,Partition 就是辅助查询，缩小查询范围，加快数据的检索速度和对数据按照一定的规格和条件进行管理。

内部表 外部表

未被external修饰的是内部表（managed table），被external修饰的为外部表（external table）；
区别：

• 内部表数据由Hive自身管理，外部表数据由HDFS管理；
• 内部表数据存储的位置是hive.metastore.warehouse.dir（默认：/user/hive/warehouse），外部表数据的存储位置由自己制定；
• 删除内部表会直接删除元数据（metadata）及存储数据；删除外部表仅仅会删除元数据，HDFS上的文件并不会被删除；外部表删除时，不会删除数据，这是与内部表的最大区别，一般80%企业都是 外部表。
• 对内部表的修改会将修改直接同步给元数据，而对外部表的表结构和分区进行修改，则需要修复（MSCK REPAIR TABLE table_name;）

Hive文件的存储格式

Hive中，文件的存储格式主要有：TEXTFILE、SEQUENCEFILE、ORC、PARQUET。
其中，TEXTFILE、SEQUENCEFILE是基于行存储，ORC、PARQUET基于列存储。
当查询结果为一整行的时候，行存储效率会高一些；当查询表中某几列时，列存储的效率会更高。
在对数据的压缩方面，列存储比行存储更有优势，所以列存储占用空间相对小一些。
Parquet是面向分析型系统的列式存储格式，Parquet文件是以二进制格式存储的，所以不能直接读取。

创建表

创建表需要设置表的存储格式

DROP TABLE IF EXISTS mcpc_data.mcpc_D_A_B_CPC_PYMT_CO_PDHS_T;
CREATE TABLE IF NOT EXISTS mcpc_data.mcpc_D_A_B_CPC_PYMT_CO_PDHS_T(
	STMT_CODE CHAR(16) ,
	STMT_NO CHAR(3),
	PYMT_DATE CHAR(10),
	POSTING_DATE CHAR(10),
	CURRENCY CHAR(3),
	AMT DECIMAL(15,2)
)
PARTITIONED BY (PRT_DAY VARCHAR(10) COMMENT '分区日期')
STORED AS PARQUET;

HiveQL (HQL) 与 SQL 区别

1. HQL不支持行级别的增、改、删，所有数据在加载时就已经确定，不可更改。

2. 不支持事务。

3. 支持分区存储。