说一下为什么hive会有分区表的概念，以及分区和分桶的区别
说一下为什么hive会有分区表的概念，以及分区和分桶的区别
总结回答
在传统的数据库系统中，一般都具有表分区的功能，作用通过表分区能够在特定的区域检索数据，减少扫描成本，在一定程度上提高了查询效率，当然我们还可以通过进一步在分区上建立索引，进一步提高查询效率。
在hive中，hive相对于传统数据库mysql有一个巨大的缺点，就是没有索引。那么在select数据时就需要进行全表扫描。但当数据量非常大时，代价比较高。因此hive进行了折中的办法：分区和分桶。
分区和分桶都是DDL的概念，其中分区是控制多级目录，分桶是用来控制多个文件。分区：在逻辑上，分区表与未分区表没有区别，在物理上，分区表会将数据按照分区键的列值存储在表目录的子目录中。目录名=分区键的列值，其中需要注意的是分区键的值不能与表结构中的列字段重复。分桶是对列值取哈希值的方式，将不同数据放到不同文件中存储。由列的哈希值除以桶的个数来决定每条数据划分在哪个桶中。因为分桶操作需要根据某一列具体数据来进行哈希取模操作，故指定的分桶列必须基于表中的某一列（字段）。分桶是通过改变了数据的存储方式，把哈希取模相同或者在某一个区间的数据行放在同一个桶文件中，来提高查询效率。
最后一点就是，因为hive中的数据是存储在hdfs中的，在hdfs中的数据是不允许修改只能追加，因此在hive中执行数据修改时，就只能先找到对应的文件中读取后再修改，然后重新写一份文件。如果分桶的话只需要找到文件存放对应的桶，然后读取再修改写入即可。
面试点分析
hive中的分区表很常被问到，问到后就会拿其与分桶做对比。紧接着内外部表区别，以及hive的优化数据倾斜，会带出一串问题。
参考
知乎《Hive分区与分桶》 CSDN《Hive Partition详解》 尚硅谷、尚学堂视频内容 我是精神抖擞王大鹏，不卑不亢，和蔼可亲~计算机硕士，目前小米大数据开发。日常会分享总结一些自己面试实际问题的回答，欢迎一起讨论~
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/93145.html
