小菜鸟

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”？

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;

Hive DML 操作：建库、建表、改表、删表，一套 SQL 全搞定

Hive 的 DML 操作跟 MySQL 很像，但有几个关键区别：

• 建表时要指定分隔符（不像 MySQL 已经定义好了）
• 有内表和外表之分（删表时删不删数据，取决于类型）
• 支持分区和分桶（大数据场景下的优化手段）

数据库操作：建库、切库、删库

数据库是表的容器，用来隔离不同业务的数据。

查看已有数据库：

show databases;

创建数据库：

CREATE DATABASE IF NOT EXISTS study_hive
COMMENT '学习 Hive 用的库'
LOCATION '/user/hive/warehouse/study_hive.db';

• IF NOT EXISTS：库存在就不重复创建，不报错
• LOCATION：指定库在 HDFS 上的存放位置（不指定的话默认在 /user/hive/warehouse/ 下）

切换数据库：

USE study_hive;

之后命令行提示符会变成 hive (study_hive)>，表示当前在这个库里操作。

查看数据库详情：

DESC DATABASE study_hive;
-- 输出：库名、注释、HDFS 路径、所有者

删除数据库：

-- 删空库（库里没有表）
DROP DATABASE IF EXISTS study_hive_empty;

-- 删非空库（库里还有表，强制删除）
DROP DATABASE study_hive CASCADE;

CASCADE 会连库带表一起删，操作不可逆，慎用。

创建表：核心是”列定义 + 分隔符 + 存储格式”

建表是 Hive 最常用的操作。语法跟 MySQL 类似，但多了分隔符和存储格式的配置。

基本模板：

Hive 配置：先配必选项，再调性能项，最后按场景优化

Hive 的配置项很多，但不用全记住。按优先级分三层：

这篇文章按”从必配到选配”的顺序讲，核心原则：先让 Hive 能跑，再调性能，最后按业务场景优化。

配置查看方式

改配置之前，先知道怎么看当前配置。

-- 看所有配置
hive> set;

-- 看某个配置
hive> set hive.execution.engine;
-- 输出：hive.execution.engine=mr

配置优先级：谁覆盖谁？

同一个配置可以在多个地方设置，优先级从高到低：

交互式 set 命令 > 命令行 -hiveconf > hive-site.xml > hive-default.xml

Hive 访问方式：本地命令行 → 远程 JDBC，从 hive 到 beeline 到 DataGrip

Hive 默认的 hive 命令是本地客户端——只能在那台装了 Hive 的机器上用。

如果你要：

• 在另一台机器上连 Hive
• 用 DataGrip、DBeaver 连 Hive
• 用 Python/Java 代码操作 Hive

那就必须起两个服务：

Metastore 是”数据库的数据库”——存表结构；HiveServer2 是”服务入口”——收 SQL 请求，翻译成任务去跑。

方式1：本地命令行 hive（最简单，只能本地）

直接敲 hive 就能进交互界面：

bin/hive

hive> show databases;
hive> create table test(id int);
hive> exit;

特点：

• 只能在那台装了 Hive 的机器上用
• 不需要额外起服务（默认连本地 Derby 或配置好的 MySQL）
• 适合快速测试、验证 SQL

局限： 换个机器就连不上。

方式2：起 Metastore 服务——让元数据共享

默认情况下，每个 hive 客户端直接连元数据库（MySQL/Derby）。多个客户端同时连可能出问题（Derby 更明显）。

起 Metastore 服务后，所有客户端都通过这个服务访问元数据，统一管理。

配置（hive-site.xml）：

<property>
  <name>hive.metastore.uris</name>
  <value>thrift://localhost:9083</value>
</property>

启动 Metastore：

# 前台跑（调试用）
bin/hive --service metastore

# 后台跑（生产用）
nohup bin/hive --service metastore > metastore.log 2>&1 &

验证：

netstat -tlnp | grep 9083   # 端口在监听

Hibernate 注解方式深度解析

Hibernate 注解方式是替代传统 XML 映射配置的主流方案，其核心优势在于配置与实体类代码耦合度低、开发效率高、可读性强。相较于 XML 配置需要维护独立的 .hbm.xml 文件，注解可直接嵌入实体类的属性或 getter 方法上，大幅简化了配置流程。本文将从核心注解分类、关联关系映射、高级配置（如复合主键、枚举映射）等维度，系统讲解 Hibernate 注解的使用方法，并补充关键注意事项。

核心基础注解：实体与主键配置

基础注解主要解决「实体类与数据库表的映射」和「主键生成策略」两大核心问题，是所有注解配置的基础。

实体类级注解

用于标识类为 Hibernate 实体，并指定对应的数据库表信息。

主键相关注解

主键是实体映射的核心，Hibernate 通过 @Id 标识主键字段，并通过 @GeneratedValue 指定主键生成策略，满足不同业务场景（如自增、UUID、序列等）。

（1）@Id

• 作用：标识当前字段为数据库表的主键（必须添加，一个实体类只能有一个 @Id）。
• 位置：可放在属性上或 getter 方法上（需保持全类一致，不能混合使用）。

（2）@GeneratedValue

• 作用：指定主键的生成策略（可选，若不指定则需手动设置主键值）。
• 核心属性：strategy，取值为 GenerationType 枚举，共 4 种策略：