Hive 高频面试题及详细答案（实战完整版）.docxVIP

Hive高频面试题及详细答案（实战完整版）

一、基础概念类

1、简单说下Hive是什么，它的核心作用是什么？

Hive是基于Hadoop的数据仓库工具，底层依托HDFS存储数据、MapReduce/Tez/Spark执行计算。它可以把结构化的SQL语句，自动翻译成分布式计算任务，让不懂Java大数据开发的人员，也能通过SQL快速处理海量离线数据。

核心作用：主要用于离线海量数据清洗、统计分析、数仓建模、报表统计，不适合实时、低延迟的查询场景。

2、Hive和MySQL的核心区别？

很多人会把两者混淆，但底层架构和使用场景完全不同，核心差异如下：

存储层面：MySQL数据存在本地磁盘；Hive数据存在HDFS分布式文件系统。

计算层面：MySQL是单机计算；Hive是分布式集群计算，可支撑TB、PB级数据。

延迟场景：MySQL低延迟，支持实时查询；Hive高延迟，只适合离线批量计算。

事务支持：MySQL完整支持事务、行级锁；Hive早期无事务，新版本仅支持有限事务，多用于分区级操作，基本不用于事务业务。

索引能力：MySQL索引高效；Hive索引基本废弃，生产靠分区、分桶、优化SQL提升效率。

3、Hive的数据库、表、数据分别存在哪里？元数据包含什么？

Hive分为元数据和真实业务数据两部分：

真实数据：