知识点：
Hive是数据仓库建模工具之一。
传统的关系数据库具有结构化程度高、独立性强、冗余度低，主要是操作型数据库和分析型数据库。
其中操作型数据库：主要用于业务支撑。一个公司往往会使用并维护若干个操作型数据库，这些数据库保存着公司的日常操作数据，比如商品购买、酒店预订、学生成绩录入等。
分析型数据库：主要用于历史数据分析。这类数据库作为公司的单独数据存储，负责利用历史数据对公司各主题域进行统计分析。
差别：数据组成差别 - 数据时间范围差别，数据组成差别 - 数据细节层次差别，数据组成差别 - 数据时间表示差别，技术差别 - 查询数据总量和查询频度差别，技术差别 - 数据更新差别，技术差别 - 数据冗余差别，功能差别 - 数据读者差别，功能差别 - 数据定位差别。
数据仓库就是为了解决数据库不能解决的问题而提出的。那么数据库无法解决什么样的问题呢？这个我们得先说说什么是OLAP和OLTP。
OLTP即对数据库的增删改查，速度快，数据内容不会特别大，事务的精准性特别高。
OLAP即对事务处理时对其要从多个维度进行分析，传统的数据库无法满足。
比尔 恩门对数据仓库的定义为数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理中的决策制定。
数据仓库的特点：面向主题、集成性、企业范围、历史性、时变性。
Hive实现map-reduce任务：
Hive特点：1、可扩展性 2、延申性 3、容错
hive和传统数据库对比：
hive架构：
分区的目的：使查询范围变小，避免了全表扫描，加快了查询速率。
静态分区需要注意将相应的分区字段分批次导入。
静态分区与动态分区的主要区别在于静态分区是手动指定，而动态分区是通过数据来进行判断。详细来说，静态分区的列是在编译时期通过用户传递来决定的；动态分区只有在SQL执行时才能决定。
数据分桶原理：Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
分桶优势：方便抽样，提高join查询效率
分桶表和分区表插入数据有所区别，分区表需要select 和指定分区，而分桶则不需要
hive语句的执行顺序：
1.from
2.join on 或 lateral view explode(需炸裂的列) tbl as 炸裂后的列名
3.where
4.group by
5.聚合函数 如Sum() avg() count(1)等
6.having 在此开始可以使用select中的别名
7.select 若包含over（）开窗函数，此时select中的内容作为窗口函数的输入，窗口中所选的数据范围也是在group by，having之后，并不是针对where后的数据进行开窗，这点要注意。需要注意开窗函数的执行顺序及时间点。
8.distinct
9.order by
10.limit
面试题：
什么是hive?
答：1:hive是基于hadoop的数据仓库建模工具之一（后面还有TEZ，Spark）。
2:hive可以使用类sql方言，对存储在hdfs上的数据进行分析和管理。传入一条交互式sql在海量数据中查询分析结果的工具。
sql语句是如何转化成MR任务的？
元数据存储在数据库中，默认存在自带的derby数据库（单用户局限性）中，推荐使用Mysql进行存储。
1） 解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完 成，比如ANTLR；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
2） 编译器（Physical Plan）：将AST编译生成逻辑执行计划。
3） 优化器（Query Optimizer）：对逻辑执行计划进行优化。
4） 执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是 MR/Spark。
内部表和外部表的区别？如何创建外部表？工作中使用外部表
删除表的时候，表对应的文件夹会被删除，同时数据也会被删除，默认建表的类型就是内部表。
外部表因为是指定其他的hdfs路径的数据加载到表中来，所以hive会认为自己不完全独占这份数据，删除hive表的时候，数据仍然保存在hdfs中，不会删除。
创建外部表是需要在table前加上关键字external。
