| 失效链接处理 |
|
Apache Hive面试题 PDF 下载
相关截图：
 主要内容：
1. Hive的metastore的三种模式
内嵌Derby⽅式
这个是Hive默认的启动模式，⼀般⽤于单元测试，这种存储⽅式有⼀个缺点：在同⼀时间只能有⼀个进程连
接使⽤数据库。
Local⽅式
本地MySQL
Remote⽅式
远程MySQL,⼀般常⽤此种⽅式
2. Hive 内部表和外部表的区别
建表时带有external关键字为外部表，否则为内部表
内部表和外部表建表时都可以⾃⼰指定location
删除表时，外部表不会删除对应的数据，只会删除元数据信息，内部表则会删除
其他⽤法是⼀样的
3. Hive 四种排序⽅式的区别
order by
order by 是要对输出的结果进⾏全局排序，这就意味着只有⼀个reducer才能实现（多个reducer⽆法保证
全局有序）但是当数据量过⼤的时候，效率就很低。如果在严格模式下（hive.mapred.mode=strict）,则必
须配合limit使⽤
sort by
sort by 不是全局排序，只是在进⼊到reducer之前完成排序，只保证了每个reducer中数据按照指定字段的
有序性，是局部排序。配置mapred.reduce.tasks=[nums]可以对输出的数据执⾏归并排序。可以配合limit使
⽤，提⾼性能
distribute by
distribute by 指的是按照指定的字段划分到不同的输出reduce⽂件中，和sort by⼀起使⽤时需要注意，
distribute by必须放在前⾯
cluster by
cluster by 可以看做是⼀个特殊的distribute by+sort by，它具备⼆者的功能，但是只能实现倒序排序的⽅式,
不能指定排序规则为asc 或者desc
4. Hive中⼤表join⼩表的优化⽅法
在⼩表和⼤表进⾏join时，将⼩表放在前边，效率会⾼，hive会将⼩表进⾏缓存
|
苏公网安备 32061202001004号
