Hive内部表和外部表的区别

在使用Hive时，我们经常会遇到内部表和外部表这两个概念。它们有什么区别呢？

1. 内部表

内部表，顾名思义，就是存在于Hive自己的文件系统中的表格。Hive会将查询的结果写入内部表中，从而方便查询和存储。内部表的数据可以是压缩的，也可以使用某种格式进行序列化存储。当删除内部表时，Hive会自动删除与之相关的数据文件。

1.1 创建内部表

创建内部表的语法如下：

CREATE TABLE <table_name>
([<col_name> <data_type> [COMMENT <col_comment>] [, ...]])
[COMMENT <table_comment>]
[ROW FORMAT serde <serde_class> [WITH SERDEPROPERTIES (<property_key>='<property_value>', ...)]]
[STORED AS <file_format>]

其中，STORED AS关键字指定了内部表中数据的存储格式，默认是TextFile，也可以选择其他格式，例如Parquet或ORC。

1.2 读写内部表

读写内部表的语法和普通表格是一样的。例如：

SELECT * FROM <table_name>;

INSERT INTO <table_name> VALUES (...);

1.3 删除内部表

可以使用DROP TABLE语句删除内部表。例如：

DROP TABLE <table_name>;

2. 外部表

外部表是指与Hive文件系统外部的表格。外部表的数据文件存储在Hadoop集群中，而不是Hive自己的文件系统中。当删除外部表时，不会自动删除其相关的文件。

2.1 创建外部表

创建外部表的语法类似于内部表：

CREATE EXTERNAL TABLE <table_name>
([<col_name> <data_type> [COMMENT <col_comment>] [, ...]])
[COMMENT <table_comment>]
[ROW FORMAT serde <serde_class> [WITH SERDEPROPERTIES (<property_key>='<property_value>', ...)]]
[STORED AS <file_format>]
[LOCATION '<hdfs_path>']

其中，LOCATION关键字指定了外部表数据文件存储的路径。

2.2 读写外部表

读写外部表的语法和内部表差不多：

SELECT * FROM <table_name>;

INSERT INTO <table_name> VALUES (...);

2.3 删除外部表和数据文件

如果只删除外部表，其数据文件仍然会存在。因此，如果想要删除外部表的同时删除其数据文件，需要加上PURGE关键字。例如：

DROP TABLE <table_name> PURGE;

3. 总结

• 内部表和外部表的主要区别在于数据文件存储的位置和删除方式。
• 内部表将数据文件存储在Hive自己的文件系统中，删除内部表时会自动删除数据文件。
• 外部表将数据文件存储在Hadoop集群中，删除外部表时不会删除数据文件。