1 Hive 數據類型

Hive的基本數據類型有：TINYINT，SAMLLINT，INT，BIGINT，BOOLEAN，FLOAT，DOUBLE，STRING，TIMESTAMP(V0.8.0+)和BINARY(V0.8.0+)。

Hive的集合類型有：STRUCT，MAP和ARRAY。

Hive主要有四種數據模型(即表)：內部表、外部表、分區表和桶表。

表的元數據保存傳統的數據庫的表中，當前hive只支持Derby和MySQL數據庫。

2 Hive 內部表

Hive中的內部表和傳統數據庫中的表在概念上是類似的，Hive的每個表都有自己的存儲目錄，除了外部表外，所有的表數據都存放在配置在hive-site.xml文件的${hive.metastore.warehouse.dir}/table_name目錄下。

創建內部表：

CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,  grade STRING COMMOT '班級'）COMMONT '學生表'  
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY ','
STORE AS TEXTFILE;      

3 Hive 外部表

被external修飾的為外部表（external table），外部表指向已經存在在Hadoop HDFS上的數據，除了在刪除外部表時只刪除元數據而不會刪除表數據外，其他和內部表很像。

創建外部表：

CREATE EXTERNAL TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,  class STRING COMMOT '班級'）COMMONT '學生表'  
ROW FORMAT DELIMITED  
FIELDS TERMINATED BY ','  
STORE AS SEQUENCEFILE 
LOCATION '/usr/test/data/students.txt';   

4 Hive 分區表

分區表的每一個分區都對應數據庫中相應分區列的一個索引，但是其組織方式和傳統的關系型數據庫不同。在Hive中，分區表的每一個分區都對應表下的一個目錄，所有的分區的數據都存儲在對應的目錄中。
比如說，分區表partitinTable有包含nation(國家)、ds(日期)和city(城市)3個分區，其中nation = china，ds = 20130506，city = Shanghai則對應HDFS上的目錄為：
/datawarehouse/partitinTable/nation=china/city=Shanghai/ds=20130506/。
分區中定義的變量名不能和表中的列相同。

創建分區表：

CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,class STRING COMMOT '班級'）COMMONT '學生表'  
PARTITIONED BY (ds STRING,country STRING)  
ROW FORMAT DELIMITED  
FIELDS TERMINATED BY ','  
STORE AS SEQUENCEFILE;

5 Hive 分桶表

桶表就是對指定列進行哈希(hash)計算，然后會根據hash值進行切分數據，將具有不同hash值的數據寫到每個桶對應的文件中。
將數據按照指定的字段進行分成多個桶中去，說白了就是將數據按照字段進行劃分，可以將數據按照字段劃分到多個文件當中去。

創建分桶表：

CREATE TABLE IF NOT EXISTS students(user_no INT,name STRING,sex STRING,  class STRING COMMOT '班級',score SMALLINT COMMOT '總分'）COMMONT '學生表'  
PARTITIONED BY (ds STRING,country STRING)  
CLUSTERED BY(user_no) SORTED BY(score) INTO 32 BUCKETS  
ROW FORMAT DELIMITED  
FIELDS TERMINATED BY ','  
STORE AS SEQUENCEFILE;      

6 Hive 視圖

在 Hive 中，視圖是邏輯數據結構，可以通過隱藏復雜數據操作（Joins, 子查詢, 過濾,數據扁平化）來于簡化查詢操作。
與關系數據庫不同的是，Hive視圖并不存儲數據或者實例化。一旦創建 HIve 視圖，它的 schema 也會立刻確定下來。對底層表后續的更改(如 增加新列)并不會影響視圖的 schema。如果底層表被刪除或者改變，之后對視圖的查詢將會 failed。基于以上 Hive view 的特性，我們在ETL和數據倉庫中對于經常變化的表應慎重使用視圖。

創建視圖：

CREATE VIEW employee_skillsAS
SELECT name, skills_score['DB'] AS DB,
skills_score['Perl'] AS Perl, 
skills_score['Python'] AS Python,
skills_score['Sales'] as Sales, 
skills_score['HR'] as HR 
FROM employee;

創建視圖的時候是不會觸發 MapReduce 的 Job，因為只存在元數據的改變。
但是，當對視圖進行查詢的時候依然會觸發一個 MapReduce Job 進程：SHOW CREATE TABLE 或者 DESC FORMATTED TABLE 語句來顯示通過 CREATE VIEW 語句創建的視圖。以下是對Hive 視圖的 DDL操作：
更改視圖的屬性：

ALTER VIEW employee_skills 
SET TBLPROPERTIES ('comment' = 'This is a view');

重新定義視圖：

ALTER VIEW employee_skills AS 
SELECT * from employee ;

刪除視圖：

DROP VIEW employee_skills;