hive教程：数据模型：数据库( Database )、表( Table )、分区( Partition )、桶( Bucket )-马育民老师

# 说明

Hive 中主要包括 4 种数据模型：

- 数据库( Database )
- 表( Table )
- 分区( Partition )
- 桶( Bucket )

其模型如下图：

[![](/upload/0/0/1IX895eMjbPm.png)](/upload/0/0/1IX895eMjbPm.png)

[![](/upload/0/0/1IX895jadJ6y.png)](/upload/0/0/1IX895jadJ6y.png)

[![](/upload/0/0/1IX8963D12H8.png)](/upload/0/0/1IX8963D12H8.png)

### 数据库

相当于关系数据库中的命名空间( namespace )，它的作用是将用户和数据库的应用，隔离到不同的数据库或者模式中。

**在HDFS上的体现：**Hive 数据库是 HDFS 中的一个目录

### 表

Hive 的表在逻辑上由存储的数据和描述表格数据形式的相关元数据组成。

Hive 中的表分为两种类型：

- 内部表
- 外部表

**在HDFS上的体现：**Hive 中的表是 HDFS 中的一个目录

### 分区

为了 **提高查询数据的效率**，Hive 提供了分区机制。

**在HDFS上的体现：**分区也是一个目录，在表对应的目录下，这个子目录的名字就是定义的分区列的名字。

例如：现在有个日志文件，文件中的每条记录都带有时间戳。
如果根据时间来分区，那么同一天的数据将会被分到同一个分区中。
这样的话，如果査询每一天或某几天的数据就会变得很高效，因为只需要扫描对应分区中的文件即可。

### 桶

Hive 可以对每一个表或者是分区，进一步组织成 **桶**，也就是说桶是更为细粒度的数据范围划分，桶表是 Hive 数据模型的最小单元

可以获得 **更高的查询效率**，尤其是抽样查询更加便捷。

Hive 是针对表的某一列进行分桶，即：对该列的值进行哈希取值，然后除以桶个数得到余数，决定该条记录存放在哪个桶中，保证 **每个桶中都有数据**

**在HDFS上的体现：**每个桶表就是表或分区的一个文件。

参考：
https://blog.csdn.net/Shockang/article/details/118068783
https://hadoopdoc.com/hive/hive-data-model