‘壹’ 大数据Hive仓库是什么
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射成一张表，并提供类sql查询功能；其本质是将HQL转化成MapRece程序。
构建在Hadoop之上的数据仓库：
使用HQL作为查询接口
使用HDFS存储
使用MapRece计算
灵活性和扩展性比较好：支持UDF，自定义存储格式等：
适合离线数据处理
‘贰’ hive的几种文件格式
hive文件存储格式包括以下几类：
1、TEXTFILE
2、SEQUENCEFILE
3、RCFILE
4、ORCFILE(0.11以后出现)
其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理；
SEQUENCEFILE，RCFILE，ORCFILE格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中， 然后再从表中用insert导入SequenceFile,RCFile,ORCFile表中。
前提创建环境：
hive 0.8
创建一张testfile_table表，格式为textfile。
create table if not exists testfile_table( site string, url string, pv bigint, label string) row format delimited fields terminated by ' ' stored as textfile;
load data local inpath '/app/weibo.txt' overwrite into table textfile_table;
一、TEXTFILE
默认格式，数据不做压缩，磁盘开销大，数据解析开销大。
可结合Gzip、Bzip2使用(系统自动检查，执行查询时自动解压)，但使用这种方式，hive不会对数据进行切分，
从而无法对数据进行并行操作。
示例：
总结:
相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存储方式，数据加载时性能消耗较大，但是具有较好的压缩比和查询响应。数据仓库的特点是一次写入、多次读取，因此，整体来看，RCFILE相比其余两种格式具有较明显的优势。
‘叁’ hive和mysql的区别是什么
hive和mysql的区别有：
1、查询语言不同：hive是hql语言，mysql是sql语句；
2、数据存储位置不同：hive是把数据存储在hdfs上，而mysql数据是存储在自己的系统中；
3、数据格式：hive数据格式可以用户自定义，mysql有自己的系统定义格式；
4、数据更新：hive不支持数据更新，只可以读，不可以写，而sql支持数据更新；
5、索引：hive没有索引，因此查询数据的时候是通过maprece很暴力的把数据都查询一遍，也造成了hive查询数据速度很慢的原因，而mysql有索引。
‘肆’ 什么是hive分区
Hive的分区方式：由于Hive实际是存储在HDFS上的抽象，Hive的一个分区名对应一个目录名，子分区名就是子目录名，并不是一个实际字段。按照数据表的某列或某些列分为多个区，区从形式上是文件夹（HDFS里的文件夹）
‘伍’ hive分桶表的储存格式是什么固定的还是可以随意指定
对于每一个表或者是分区，Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive是针对某一列进行分桶。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶中。分桶的好处是可以获得更高的查询处理效率。使取样更高效
hive表数据是在hdfs中储存的并没有固定的储存格式，hive只保存管理表元数据。
桶就是将数据表由一个文件存储分为多个文件存储
分桶语法:
create table t_buck(id string,name string)
clustered by (id) into 4 buckets;
指定了根据id分成4个桶,最好的导入数据方式是insert into table.
要开启模式开关
set hive.enforce.bucketing = true;
set maprece.job.reces=4;
查询时cluster by指定的字段就是partition时分区的key
‘陆’ 分布式环境下hive的外部表是如何存储的
第一、hive本身是不存储数据的，不论外表、内表，hive的所有数据是存放在hdfs文件系统的。
第二、基于上面，你的问题就转变为hdfs的文件是如何存储的了，hdfs的文件是以块block存储的，每个块分布在多台机器上面，每个块的信息以及存放路径则存放在nameNode节点的元数据里边。
‘柒’ hive 的元数据存储在 derby 和 mysql 中有什么区别
定义 元数据最本质、最抽象的定义为：data about data (关于数据的数据)。它是一种广泛存在的现象，在许多领域有其具体的定义和应用。 在数据仓库领域中，元数据被定义为：描述数据及其环境的数据。一般来说,它有两方面的用途。