Hive作为大数据开发当中常用的一个数据仓库工具,在数据存储模型这一块,是需要大家比较深入地去理解和掌握的,这样才能对于Hive的使用有更加清晰的认知。今天的大数据培训分享,我们就来讲讲Hive数据存储模型。
首先,Hive数据存储当中,比较关键的一个概念叫做元数据存储。
Hive将元数据存储在数据库中,如mysql、derby。Hive中的元数据包括表的名字,表的列和分区及其属性,表的属性(是否为外部表等),表的数据所在目录等。
Hive数据存储模型
Hive中包含以下四类数据模型:
表(Table)、外部表(External Tablc)、分区(Partition)、桶(Bucket)。
(1)Hive中的Table和数据库中的Table在概念上是类似的。在Hive中每一个Table都有一个相应的目录存储数据。
(2)外部表是一个已经存储在HDFS中,并具有一定格式的数据。使用外部表意味着Hive表内的数据不在Hive的数据仓库内,它会到仓库目录以外的位置访问数据。
外部表和普通表的操作不同,创建普通表的操作分为两个步骤,即表的创建步骤和数据装入步骤(可以分开也可以同时完成)。在数据的装入过程中,实际数据会移动到数据表所在的Hive数据仓库文件目录中,其后对该数据表的访问将直接访问装入所对应文件目录中的数据。删除表时,该表的元数据和在数据仓库目录下的实际数据将同时删除。
外部表的创建只有一个步骤,创建表和装入数据同时完成。外部表的实际数据存储在创建语句I。OCATION参数指定的外部HDFS文件路径中,但这个数据并不会移动到Hive数据仓库的文件目录中。删除外部表时,仅删除其元数据,保存在外部HDFS文件目录中的数据不会被删除。
(3)分区对应于数据库中的分区列的密集索引,但是Hive中分区的组织方式和数据库中的很不相同。在Hive中,表中的一个分区对应于表下的一个目录,所有的分区的数据都存储在对应的目录中。
(4)桶对指定列进行哈希(hash)计算,会根据哈希值切分数据,目的是为了并行,每一个桶对应一个文件。
关于大数据培训,Hive数据存储模型,以上就为大家做了简单的介绍了。Hive工具在大数据开发当中,重要性是不必多说的,而搞懂了Hive的数据存储模型,对于Hive的语言也能更加得心应手。成都加米谷大数据,专业
大数据培训机构,大数据开发,数据分析与挖掘,本月正在招生中,课程大纲及试学视频,可联系客服领取!