Hive和mysql的区别
- 1. 数据存储和运算
- 2. 数据类型
- 2.1 基本数据类型
- 2.2 集合数据类型
- 3. 表类型
- 3.1 内部表
- 3.2 外部表
- 3.3 分区
- 3.4 分桶
1. 数据存储和运算
(1)数据存储方式,Hive的数据是存储在HDFS上的,在Hive中进行解析编译后才被应用层识别。所以Hive的数据遵循HDFS的规则,例如NN元数据和DN备份,存储优化。
(2)数据的查询运算上,在一些情况下(大部分复杂运算)需要走MR进行计算。
2. 数据类型
2.1 基本数据类型
Hive数据类型 | Java数据类型 | 长度 | 例子 |
TINYINT | byte | 1byte有符号整数 | 20 |
SMALINT | short | 2byte有符号整数 | 20 |
INT | int | 4byte有符号整数 | 20 |
BIGINT | long | 8byte有符号整数 | 20 |
BOOLEAN | boolean | 布尔类型,true或者false | TRUE FALSE |
FLOAT | float | 单精度浮点数 | 3.14159 |
DOUBLE | double | 双精度浮点数 | 3.14159 |
STRING | string | 字符系列。可以指定字符集。可以使用单引号或者双引号。 | ‘now is the time’ “for all good men” |
TIMESTAMP | 时间类型 | ||
BINARY | 字节数组 |
2.2 集合数据类型
数据类型 | 描述 | 语法示例 |
STRUCT | 和c语言中的struct类似,都可以通过“.”符号访问元素内容。例如,如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。 | struct() |
MAP | MAP是一组键-值对元组集合,使用数组表示法可以访问数据。例如,如果某个列的数据类型是MAP,其中键->值对是’first’->’John’和’last’->’Doe’,那么可以通过字段名[‘last’]获取最后一个元素 | map() |
ARRAY | 数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素,每个数组元素都有一个编号,编号从零开始。例如,数组值为[‘John’, ‘Doe’],那么第2个元素可以通过数组名[1]进行引用。 | Array() |
3. 表类型
3.1 内部表
Hive的内部表就是正常情况下的表,元数据与数据内容相连,在删除表的同时会删除数据。(但在HDFS中,使用HDFS命令来数据数据的情况下不会删除表)。
3.2 外部表
Hive中的外部表是区分与内部表,元数据与数据内容之间分离,在客户端删除表数据后不会删除数据内容,在之后在需要数据时可以通过建一个符合规则的表就可以在Hive客户端中使用数据。
3.3 分区
Hive的分区表,在表的使用上相当来添加一个字段来对数据进行分区,可以使用where语句进行查询等操作。
在存储层面上是单独在database文件夹中单独建立一个等于数据的存储路径来进行分区,并通过Hive元数据来进行编译,读取来进行的。
3.4 分桶
分区针对的是数据的存储路径;分桶针对的是数据文件。
分区提供一个隔离数据和优化查询的便利方式。不过,并非所有的数据集都可形成合理的分区,特别是之前所提到过的要确定合适的划分大小这个疑虑。
分桶是将数据集分解成更容易管理的若干部分的另一个技术。