HIVE數據類型及存儲格式

https://www.cnblogs.com/qingyunzong/category/1191578.html
一、數據類型
1、基本數據類型
Hive 支持關系型數據中大多數基本數據類型
boolean true/false TRUE
tinyint 1字節的有符號整數 -128~127 1Y
smallint 2個字節的有符號整數，-32768~32767 1S
int 4個字節的帶符號整數 1
bigint 8字節帶符號整數 1L
float 4字節單精度浮點數 1.0
double 8字節雙精度浮點數 1.0
deicimal 任意精度的帶符號小數 1.0
String 字符串，變長 “a”,’b’
varchar 變長字符串 “a”,’b’
char 固定長度字符串 “a”,’b’
binary 字節數組 無法表示
timestamp 時間戳，納秒精度 122327493795
date 日期 ‘2018-04-07’
和其他的SQL語言一樣，這些都是保留字。需要注意的是所有的這些數據類型都是對Java中接口的實現，因此這些類型的具體行為細節和Java中對應的類型是完全一致的。例如，string類型實現的是Java中的String，float實現的是Java中的float，等等。
2、復雜類型
array 有序的的同類型的集合 array(1,2)
map key-value,key必須為原始類型，value可以任意類型 map(‘a’,1,’b’,2)
struct 字段集合,類型可以不同 struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0)
二、存儲格式
Hive會為每個創建的數據庫在HDFS上創建一個目錄，該數據庫的表會以子目錄形式存儲，表中的數據會以表目錄下的文件形式存儲。對于default數據庫，默認的缺省數據庫沒有自己的目錄，default數據庫下的表默認存放在/user/hive/warehouse目錄下。
（1）textfile
textfile為默認格式，存儲方式為行存儲。數據不做壓縮，磁盤開銷大，數據解析開銷大。
（2）SequenceFile
SequenceFile是Hadoop API提供的一種二進制文件支持，其具有使用方便、可分割、可壓縮的特點。
SequenceFile支持三種壓縮選擇：NONE, RECORD, BLOCK。 Record壓縮率低，一般建議使用BLOCK壓縮。
（3）RCFile
一種行列存儲相結合的存儲方式。
（4）ORCFile
數據按照行分塊，每個塊按照列存儲，其中每個塊都存儲有一個索引。hive給出的新格式，屬于RCFILE的升級版,性能有大幅度提升,而且數據可以壓縮存儲,壓縮快 快速列存取。
（5）Parquet
Parquet也是一種行式存儲，同時具有很好的壓縮性能；同時可以減少大量的表掃描和反序列化的時間。
三、數據格式
當數據存儲在文本文件中，必須按照一定格式區別行和列，并且在Hive中指明這些區分符。Hive默認使用了幾個平時很少出現的字符，這些字符一般不會作為內容出現在記錄中。
Hive默認的行和列分隔符如下表所示。
分隔符
描述
\n 對于文本文件來說，每行是一條記錄，所以\n 來分割記錄
^A (Ctrl+A) 分割字段，也可以用\001 來表示
^B (Ctrl+B) 用于分割 Arrary 或者 Struct 中的元素，或者用于 map 中鍵值之間的分割，也可以用\002 分割。
^C 用于 map 中鍵和值自己分割，也可以用\003 表示。