Hive笔试题及答案.docx

Hive笔试题及答案

一、选择题（每题5分，共25分）

下列关于Hive元数据存储的说法，正确的是（）

A.Hive元数据默认存储在HDFS中

B.Hive元数据通常存储在关系型数据库中（如MySQL）

C.Hive元数据与业务数据存储在同一位置

D.Hive不需要元数据存储

答案：B

解析：Hive的元数据用于记录表结构、分区信息、数据存储路径等，默认不会存储在HDFS（A错误），通常依赖关系型数据库（如MySQL、Derby）存储（B正确）；元数据和业务数据分开存储，业务数据存HDFS，元数据存关系库（C错误）；Hive必须依赖元数据才能正常解析数据结构，所以需要元数据存储（D错误）。

Hive中哪种数据类型适合存储“2025-09-2214:30:00”这样的时间数据（）

A.INT

B.STRING

C.TIMESTAMP

D.DATE

答案：C

解析：INT适用于整数（A错误）；STRING可存储字符串形式的时间，但无法直接进行时间运算（B错误）；TIMESTAMP支持存储年月日时分秒的时间格式，且支持时间相关函数运算（C正确）；DATE仅能存储年月日，无法存储时分秒（D错误）。

关于Hive分区表，下列说法错误的是（）

A.分区表可以提高查询效率，减少扫描数据量

B.分区字段需要在表结构中定义

C.动态分区插入时，不需要指定分区字段的值

D.分区表的分区字段实际会存储在数据文件中

答案：D

解析：分区表通过将数据按分区字段拆分存储，查询时仅扫描指定分区数据，提高效率（A正确）；创建分区表时需明确定义分区字段（如PARTITIONEDBY(dtSTRING)）（B正确）；动态分区会根据数据自动推断分区字段值，无需手动指定（C正确）；分区字段仅作为目录层级存在，不会存储在实际数据文件中（D错误）。

HiveSQL中，下列哪个关键字用于指定分组后的过滤条件（）

A.WHERE

B.HAVING

C.GROUPBY

D.ORDERBY

答案：B

解析：WHERE用于分组前过滤原始数据（A错误）；HAVING用于对GROUPBY分组后的结果进行过滤（B正确）；GROUPBY用于指定分组字段（C错误）；ORDERBY用于对结果集排序（D错误）。

Hive分桶表的主要作用是（）

A.减少数据存储量

B.提高数据加载速度

C.优化关联查询性能

D.避免数据重复

答案：C

解析：分桶表不会减少数据存储量（A错误）；数据加载速度与分桶无直接关联（B错误）；分桶将数据按分桶字段哈希分桶，关联查询时可基于分桶字段直接匹配对应分桶数据，避免全量关联，优化性能（C正确）；分桶无法避免数据重复（D错误）。

二、判断题（每题5分，共25分，对的打√，错的打×）

Hive是一个关系型数据库，可以直接处理实时数据。（）

答案：×

解析：Hive不是关系型数据库，而是基于Hadoop的数据仓库工具，主要用于离线批处理数据，不支持实时数据处理。

Hive分区表的分区字段可以是表中已存在的业务字段。（）

答案：×

解析：Hive分区字段是虚拟字段，仅用于数据分区目录的划分，不会包含在表的业务字段中，不能使用表中已有的业务字段作为分区字段。

Hive分桶表必须基于分区表创建，不能单独创建分桶表。（）

答案：×

解析：Hive分桶表可独立创建，无需依赖分区表，只需在创建表时通过CLUSTEREDBY指定分桶字段即可。

Hive中的UDF（用户自定义函数）可以接收多个输入参数，返回一个输出结果。（）

答案：√

解析：HiveUDF支持多输入参数，如自定义函数计算两个字段的和，接收两个输入参数，返回一个结果，符合UDF的特性。

Hive中ORC、Parquet格式的文件相比Text格式，压缩率更高，查询效率更快。（）

答案：√

解析：ORC和Parquet是列存格式，相比行存的Text格式，能更高效地压缩数据（压缩率更高），且查询时仅读取所需列数据，减少IO，提高查询效率。

三、简答题（每题10分，共30分）

简述Hive分区表和分桶表的区别，以及各自的适用场景。

答案：

区别：

划分依据：分区表按分区字段（如日期dt）划分目录，数据按目录存储；分桶表按分桶字段哈希值划分桶，数据按桶存储在文件中。

数据分布：分区表的分区数量由业务场景决定（如按天分区则每天一个分区），分区内数据量可能不均匀；分桶表的桶数量固定（创建表时指定），数据按哈希均匀分布在各桶。

存储形式：分区表以目录