HIve面试题（一）

1. Hive 有哪些方式保存元数据，各有哪些特点。

  自身带的一个数据库derby
  也可以将原数据库设置为MYSQL

2. Hive内部表和外部表的区别

 1、在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是由它自己来管理的，而是由！而内部表是由hive本身管理的；
 2、在删除表的时候，Hive将会把属于表的元数据和数据全部删掉；而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的！

3.hql是怎么转换成MapReduce的

4.hive如何调优

1.join优化，尽量将小表放在join的左边，如果一个表很小可以采用mapjoin；
2.排序优化，order by 一个reduce效率低，distirbute by +sort by 也可以实现全局排序；
3.使用分区，查询时可减少数据的检索，从而节省时间。
hive最终都会转化为mapreduce的job来运行，要想hive调优，实际上就是mapreduce调优，可以有下面几个方面的调优：解决收据倾斜问题，减少job数量，设置合理的map和reduce个数，对小文件进行合并，优化时把我整体，单个task最优不如整体最优，按照一定规则分区。

5.hive 如何权限控制

Hive的权限需要在hive-site.xml文件中设置才会起作用，配置默认的是false。需要把hive.security.authorization.enabled设置为true，并对不同的用户设置不同的权限，例如select ,drop等的操作

6.hive能像关系数据库那样，建多个库吗？

当然可以建立多个库，多库多表都支持。

7.hive的物理模型跟传统数据库有何不同？

1、数据存储位置。Hive是建立在Hadoop之上的，所有的Hive的数据都是存储在HDFS中的。而数据库则可以将数据保存在块设备或本地文件系统中。

2、数据格式。Hive中没有定义专门的数据格式，由用户指定，需要指定三个属性：列分隔符，行分隔符，以及读取文件数据的方法。数据库中，存储引擎定义了自己的数据格式。所有数据都会按照一定的组织存储。

3、数据更新。Hive的内容是读多写少的，因此，不支持对数据的改写和删除，数据都在加载的时候中确定好的。数据库中的数据通常是需要经常进行修改。

4、执行延迟。Hive在查询数据的时候，需要扫描整个表(或分区)，因此延迟较高，只有在处理大数据是才有优势。数据库在处理小数据是执行延迟较低。

5、索引。Hive没有，数据库有

6、执行。Hive是MapReduce，数据库是Executor

7、可扩展性。Hive高，数据库低

8、数据规模。Hive大，数据库

8.Hive元数据保存的方法有哪些，各有什么特点？

1）、内嵌模式：将元数据保存在本地内嵌的derby数据库中，内嵌的derby数据库每次只能访问一个数据文件，也就意味着它不支持多会话连接。

2）. 本地模式：将元数据保存在本地独立的数据库中（一般是mysql），这可以支持多会话连接。

3）. 远程模式：把元数据保存在远程独立的mysql数据库中，避免每个客户端都去安装mysql数据库。

9.你们写hive的hql语句，大概有多少条？

不清楚，我自己写的时候也没统计

10.hive 跟hbase的区别是？

11.Hive join 的时候如何放置大小表？

采取td注入内存方式，即把小表在map阶段进行join. select /*+ MAPJOIN(td) */ 

12.hive的两张表关联，使用mapreduce 是怎么写的？

打标记笛卡尔乘积

13.hive 相对于oracle来说有哪些优点？

hive 是数据仓库，oracle是数据库，hive 能够存储海量数据，hive还有更重要的作用就是数据分析，最主要的是免费。

14.hive的sort by 和 order by 的区别

http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2843243.html