大数据面试真题，来试试你有几斤几两

今天为大家带来的则是另一个同样建立在Hadoop基础上的技术—Hive。Hbase是作为分布式数据库，而Hive是作为分布式数据仓库。

为了帮助大家更好的区别Hbase和Hive，科妹特地选取了20道Hive的问答题，一定要积极动脑积极思考。

1．Hive的主要作用是什么？

2．启动Hive的方式有哪些？

3．请谈一下Hive的特点是什么？Hive和RDBMS有什么异同？

4．Redis， 传统数据库，hbase，hive  每个之间的区别？

5．Hive创建id，name，sex表的语法是什么？

6．Hive的两个重要参数是什么？

7．Hive中如何复制一张表的表结构（不带有被复制表数据）

8．Hive中追加导入数据的4种方式是什么？请写出简要语法。

9．Hive是怎样保存元数据的？

10．Hive内部表和外部表的区别？

11．配置hive－site．xml都修改了哪些属性，请写出属性名称并解释该属性。

12．配置hive－env．sh都涉及到哪些属性？

13．如何连接HiveServer2？写出具体命令。

14．HiveServer2的作用是什么？

15．所有的hive任务都会有reducer的执行吗？

16．分区和分桶的区别。

17．Hive的 sort by 和 order by 的区别。

18．简要描述数据库中的 null，说出null在hive底层如何存储，并解释

selecta．＊ from t1 a left outer join t2b on a．id＝b．id where b．id is null；

的含义。

19．请说明hive中 Sort By，Order By，Cluster By，Distrbute By各代表什么意思。

20．请把下一语句用hive方式实现。

SELECT a．key，a．value     FROM a      WHERE a．key not in （SELECT b．key FROM b）

答案解析：

1．Hive是基于hadoop的数据仓库工具，可以将结构化的数据文件映射成一张数据表，并且提供sql查询。相当于mapreduce的客户端。

2．1）

bin／hive

2）

bin／hiveserver2

3．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为一张数据库表，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

4．1）Redis 是基于内存的数据库，注重实用内存的计算。

2）hbase是列式数据库，无法创建主键，地从是基于HDFS的，每一行可以保存很多的列。

3）hive是数据的仓库，是为了减轻mapreduce而设计的，不是数据库，是用来与hadoop做交互的。

5．

create table student（id int，name String，sex String） row format delimited fields terminated by ＇＇

6．1）hive －e  ＇＇  从命令行执行指定的HQL。

2）hive －f  ＊．hql  执行hive脚本命令。

7．

create table a  like b

8．1）从本地导入：

loaddata local  inpath ＇／home／1．txt＇ （overwrite）into table student

2）从Hdfs导入：

load data inpath＇／user／hive／warehouse／1．txt＇  （overwrite）into table student

3）查询导入：

create table  student1 as select ＊ from student

4）查询结果导入：

insert （overwrite）into table staff select ＊ from track＿log

9．1）保存元数据的方式有：内存数据库rerdy，本地mysql数据库，远程mysql数据库。

2）但是本地的mysql数据用的比较多，因为本地读写速度都比较快。

10．1）在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是由它自己来管理的！而表则不一样。

2）在删除表的时候，Hive将会把属于表的元数据和数据全部删掉；而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的。

11．1）连接数据库的uRL。

2）数据库驱动名。

3）数据库账户。

4）数据库密码。

12．1）添加JAVA＿HOME路径：

JAVA＿HOME＝／opt／modules／jdk1．7．0＿67

2）添加HADOOP＿HOME路径：

HADOOP＿HOME＝／opt／modules／hadoop－2．5．0－cdh5．3．6／

3）添加HIVE＿COF路径：

exportHIVE＿CONF＿DIR＝／opt／modules／hive－0．13．1－cdh5．3．6／conf

13．1）

bin／hiveserver2

2）

bin／beeline

3）

！connect jdbc：hive2：／／hadoop102：10000

14．Hiveserver2作用是允许多台主机通过beeline连接hiveserver2上，在通过hiveserver2连接到hive数据仓库。

15．不是，由于当前hive的优化，使得一般简单的任务不会去用reducer任务；只有稍微复杂的任务才会有reducer任务。

16．分区：是指按照数据表的某列或某些列分为多个区，区从形式上可以理解为文件夹，比如我们要收集某个大型网站的日志数据，一个网站每天的日志数据存在同一张表上，由于每天会生成大量的日志，导致数据表的内容巨大，在查询时进行全表扫描耗费的资源非常多。 那其实这个情况下，我们可以按照日期对数据表进行分区，不同日期的数据存放在不同的分区，在查询时只要指定分区字段的值就可以直接从该分区查找。

分桶：分桶是相对分区进行更细粒度的划分。分桶将整个数据内容安装某列属性值得hash值进行区分，如要按照name属性分为3个桶，就是对name属性值的hash值对3取摸，按照取模结果对数据分桶。如取模结果为0的数据记录存放到一个文件，取模为1的数据存放到一个文件，取模为2的数据存放到一个文件。

17．1）order by 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。

2）sort by不是全局排序，其在数据进入reducer前完成排序．因此，如果用sort by进行排序，并且设置mapred．reduce．tasks＞1， 则sort by只保证每个reducer的输出有序，不保证全局有序。

18．null与任何值运算的结果都是null， 可以使用is null、is not null函数指定在其值为null情况下的取值。 null在hive底层默认是用＇N＇来存储的，可以通过

alter table test SETSERDEPROPERTIES（＇serialization．null．format＇ ＝ ＇a＇）

来修改。

19．order by： 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）。只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。

sort by：不是全局排序，其在数据进入reducer前完成排序。

distribute by：按照指定的字段对数据进行划分输出到不同的reduce中。

cluster by：除了具有 distribute by 的功能外还兼具 sort by 的功能。

20．

selecta．key，a．value from a where a．key not exists （select b．key from b）

怎么样，做完这20道问答，是不是对Hive的了解加深了呢？虽然Hive和Hbase都是架构在Hadoop之上的分布式技术，但它们是完全独立的两个程序哦。