hive内部表和外部表

Hive 内部表 vs 外部表：建表之前，先想清楚”这数据归谁管”

Hive 建表的时候，有一个绕不开的选择：

• 内部表（MANAGED_TABLE）：Hive 管数据，删表删数据
• 外部表（EXTERNAL_TABLE）：用户管数据，删表不删数据

怎么选？先回答一个问题：这份数据，Hive 是”独家拥有”还是”借来用用”？

数据来源	选什么
Flume 采集的日志、其他系统产生的原始数据	外部表（数据是别人的，Hive 只是借来查）
Hive ETL 生成的中间表、临时表、结果表	内部表（数据是 Hive 自己产生的，删了没关系）

内部表：Hive 管数据，删表就删数据

内部表是 Hive 的默认表类型。建表时不加 EXTERNAL，就是内部表。

建表语法：

CREATE TABLE user_info (
  id INT,
  name STRING,
  age INT
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

数据存哪？ 默认在 /user/hive/warehouse/ 下，按库名和表名组织：

/user/hive/warehouse/study_hive.db/user_info/

删表时发生什么？

DROP TABLE user_info;

• 元数据（表结构）被删
• HDFS 上的数据文件也被删

什么时候用内部表？

• ETL 过程中的中间表（算完就扔）
• 临时表（测试用，用完就删）
• Hive 自己产生的数据（不跟其他系统共享）

外部表：用户管数据，删表不删数据

外部表的数据存在 Hive 以外的地方，Hive 只是”借来查一下”。

建表语法（多了 EXTERNAL 和 LOCATION）：

CREATE EXTERNAL TABLE log_data (
  ip STRING,
  access_time STRING,
  url STRING
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ' '
LOCATION '/data/nginx/logs/2026-07-20';

数据存哪？ 建表时通过 LOCATION 指定，数据已经在那个路径下了。

删表时发生什么？

DROP TABLE log_data;

• 元数据（表结构）被删
• HDFS 上的数据文件还在

什么时候用外部表？

• 日志数据（Flume 采集的原始数据）
• 跟 Spark、Flink 等共享的数据
• 长期保留的原始数据（删表不能删数据）

内部表 vs 外部表：一张表看清楚

对比项	内部表	外部表
创建关键字	不加 EXTERNAL	必须加 EXTERNAL
数据路径	默认 warehouse 目录	LOCATION 指定
删表时	删元数据 + 删数据	只删元数据，数据不动
数据谁管	Hive 管	用户管
典型场景	Hive 产生的中间数据	外部系统产生的原始数据
风险	删表误删数据	表删了数据还在，元数据丢了

内表转外表 / 外表转内表

内部表 → 外部表：

ALTER TABLE user_info SET TBLPROPERTIES('EXTERNAL'='TRUE');

外部表 → 内部表：

ALTER TABLE log_data SET TBLPROPERTIES('EXTERNAL'='FALSE');

转换后怎么确认？

DESC FORMATTED user_info;
-- 看 Table Type：
-- MANAGED_TABLE = 内部表
-- EXTERNAL_TABLE = 外部表

什么场景需要转换？

• 建表时选错了，发现删表会删数据 → 转为外部表保护数据
• 数据不再需要共享，想统一管理 → 转为内部表

外部表的一个常见坑：元数据不自动同步

外部表的数据在 HDFS 上，Hive 只记录元数据。如果有人在 HDFS 上直接新增/删除/移动了数据文件，Hive 不知道。

现象： 往 LOCATION 目录下新增了一个分区目录，SHOW PARTITIONS 看不到。

解决： 刷新元数据

MSCK REPAIR TABLE log_data;

这条命令会扫描 LOCATION 目录，把新增的分区同步到元数据里。