大数据开发面试题之Hive篇
hive的架构
hive外部表和内部表的区别
内部表的数据由hive管理，且存储在hive.metastore.warehouse.dir配置下的路径中；外部表的数据由HDFS存储，路径可以自己指定；
删除表时，内部表会把元数据及真实数据删除；外部表不删除真实数据。
你用过hive哪些窗口函数
可参考：面试官：你用过哪些窗口函数
一般用什么文件格式
可参考：面试官：“你们实际生产中hive用什么文件格式和压缩方式”
Hive中order by，sort by，distribute by和cluster by的区别
1、order by：对数据进行全局排序，只有一个reduce工作
2、sort by：在数据进入reduce前完成排序，一般和distribute by使用，且distribute by写在sort by前面。当mapred.reduce.tasks=1时，效果和order by一样
3、distribute by：类似MR的Partition，对key进行分区，结合sort by实现分区排序
4、cluster by：当distribute by和sort by的字段相同时，可以使用cluster by代替，但cluster by只能是升序，不能指定排序规则
说下对Hive桶的理解？
桶是对数据某个字段进行哈希取值，然后放到不同文件中存储。
数据加载到桶表时，会对字段取hash值，然后与桶的数量取模。把数据放到对应的文件中。物理上，每个桶就是表(或分区）目录里的一个文件，一个作业产生的桶(输出文件)和reduce任务个数相同。
先写这点，后面有空再更新
#hive##面试题目##数据开发工程师#
类似资料：