Hive 笔试题及参考答案.docxVIP

Hive笔试题及参考答案

一、选择题（每题5分，共30分）

下列关于Hive表的描述，错误的是（）

A.外部表删除时仅删除元数据，不删除底层HDFS数据

B.分区表的分区字段本质是表的虚拟列，不存储在数据文件中

C.桶表的分桶字段必须是表中已存在的列，分桶后数据按哈希值均匀分布

D.内部表（管理表）删除时，元数据和HDFS数据会同时被删除，且不可恢复

Hive中用于将查询结果写入分区表的关键字是（）

A.INSERTINTOB.INSERTOVERWRITEC.LOADDATAD.ALTERTABLE

下列哪种Hive优化手段主要用于解决“数据倾斜”问题（）

A.启用MapJoinB.增加Reduce任务数C.分区裁剪D.列裁剪

关于Hive函数，下列说法正确的是（）

A.UDF函数支持输入多条记录，输出一条记录

B.UDAF函数支持输入一条记录，输出多条记录

C.UDTF函数（如explode）可将一行数据拆分为多行

D.concat_ws函数的第一个参数是待拼接的字符串，后续参数是分隔符

Hive中存储格式中，支持列式存储且压缩比高、查询效率优的是（）

A.TextFileB.SequenceFileC.ParquetD.RCFile

下列关于Hive动态分区的说法，错误的是（）

A.动态分区需要开启参数hive.exec.dynamic.partition=true

B.动态分区默认模式是strict，要求至少有一个静态分区字段

C.动态分区的分区字段顺序必须和SELECT语句中对应字段顺序一致

D.动态分区插入数据时，分区目录会自动创建，无需手动提前创建

二、简答题（每题10分，共30分）

简述Hive中内部表和外部表的核心区别，以及各自的适用场景。

什么是Hive数据倾斜？常见的导致数据倾斜的场景有哪些？请给出2种解决数据倾斜的实际方案。

简述Hive分区表和桶表的区别，为什么分桶表查询效率可能更高？

三、SQL实操题（每题20分，共40分）

现有Hive表user_behavior，结构如下：

CREATETABLEuser_behavior(

user_idSTRING,--用户ID

item_idSTRING,--商品ID

category_idSTRING,--商品分类ID

behavior_typeSTRING,--行为类型（click：点击，buy：购买，collect：收藏）

create_timeSTRING--行为时间（格式：yyyy-MM-ddHH:mm:ss）

)

PARTITIONEDBY(dtSTRING)--按日期分区（格式：yyyyMMdd）

STOREDASPARQUET;

请编写SQL语句，统计2024年10月1日（dt当天，每个商品分类的“购买转化率”（购买次数/点击次数），要求结果保留2位小数，按转化率降序排序，只显示前10名分类。

现有两张Hive表：

表order_info（订单表）：

CREATETABLEorder_info(

order_idSTRING,--订单ID

user_idSTRING,--用户ID

order_amountDECIMAL(10,2),--订单金额

order_timeSTRING--下单时间（格式：yyyy-MM-ddHH:mm:ss）

)

PARTITIONEDBY(dtSTRING)--按日期分区（格式：yyyyMMdd）;

表user_info（用户表）：

CREATETABLEuser_info(

user_idSTRING,--用户ID

user_nameSTRING,--用户名

genderSTRING,--性别（male/female/unknown）

ageINT,--年龄

register_timeSTRING--注册时间（格式：yyyy-MM-ddHH:mm:ss）

)

STOREDASORC;

请编写SQL语句，查询2024年10月（dt以