我要评论内部表：当表被删除时，与之关联的数据也会被删除，数据的生命周期与表的元数据绑定。
create table table_name (
column1 data_type,
column2 data_type,
...
) [partitioned by (partition_column data_type, ...)]
外部表：即使表被删除，数据文件仍然保留在hdfs上，数据的生命周期独立于hive表的元数据。
create external table table_name (
column1 data_type,
column2 data_type,
...
) [partitioned by (partition_column data_type, ...)]
location 'hdfs\_path\_or\_local\_path';
2.3 按照查询优化
分区表（partitioned table）：通过将数据根据特定字段（分区键）分散到不同的分区中，可以显著提高查询效率，尤其是在查询可以利用分区键进行过滤时。
create external table table_name (
column1 data_type,
column2 data_type,
...
) partitioned by (partition_column data_type, ...)
location 'hdfs\_path\_or\_local\_path';
桶表（bucketed table）：通过将数据均匀分布到多个桶中，可以减少数据倾斜，提高join操作和其他需要数据分布均匀的查询操作的效率。
create table table_name (
column1 data_type,
column2 data_type,
...
)
clustered by (column_name) [sorted by (sort_column_name [asc|desc])]
into num_buckets buckets
[partitioned by (partition_column data_type, ...)];
索引表(indexed table)：在数据仓库表上创建索引，加速查询。
create index index_name
on table table_name (column_name);
2.4 按照数据的临时性和持久性
临时表（temporary table）：这些表在hive会话期间存在，会话结束后数据消失，适用于存储临时结果或中间数据。
create temporary table table_name (
column1 data_type,
column2 data_type,
...
) [partitioned by (partition_column data_type, ...)];
视图（view）：视图不是实际的数据存储，而是对现有数据集的逻辑表示，用于简化复杂查询，但不具备数据持久性。
create view sales_by_product as
select
p.product_name,
sum(s.amount) as total_sales,
s.sale_date
from
sales_fact s
join
products p on s.product_id = p.product_id
group by
p.product_name, s.sale_date;
3. 写在最后
在本文中，我们深入探讨了hive数据仓库中的表类型，包括内部表、外部表、分区表、桶表、视图以及临时表。每种表类型都有其独特的特性和适用场景，它们共同构成了hive强大的数据管理能力。
内部表和外部表主要根据数据存储位置和生命周期管理来区分。
内部表的数据与hive的元数据紧密关联，而外部表则允许数据在hive之外独立存在。
分区表和桶表则专注于查询优化，通过数据的逻辑和物理分割来提高查询效率。
视图提供了一种灵活的数据抽象方式，而临时表则用于处理会话级别的数据存储需求。
在实际的数据仓库设计中，选择合适的表类型对于确保数据的可管理性、查询性能和系统的可扩展性至关重要。例如，对于需要频繁变更的数据，使用外部表可能更为合适；而对于需要聚合分析的业务数据，事实表和维度表的组合则是标准的选择。
在实施数据仓库项目时，我们应该根据业务需求、数据特性和性能目标来综合考虑表类型的选择。同时，随着数据量的增长和业务需求的变化，我们可能还需要对表结构进行调整和优化，以适应新的挑战。
总之，hive的表类型为我们提供了丰富的工具来构建和管理大规模数据集。通过深入理解这些表类型及其应用场景，我们可以更有效地设计和维护数据仓库，从而支持复杂的数据分析和业务决策。随着大数据技术的不断进步，我们期待hive能够提供更多创新的功能，以帮助我们更好地处理和分析数据。
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、oppo等大厂，18年进入阿里一直到现在。
深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加vx：vip204888 （备注大数据获取）
一个人可以走的很快，但一群人才能走的更远。不论你是正从事it行业的老鸟或是对it行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
外链图片转存中…(img-cnlmws4m-1713036831430)]
一个人可以走的很快，但一群人才能走的更远。不论你是正从事it行业的老鸟或是对it行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
![[数据存储]HDFS的简介、初始化配置与运行](https://images.3wcode.com/3wcode/20240804/s_0_202408042248575131.png)
发表评论