1、 hive有哪些保存元数据的方式，各有什么特点。
内存数据库derby，安装小，但是数据存在内存，不稳定
mysql数据库，数据存储模式可以自己设置，持久化好，查看方便。
2、 Hive内部表外部表区别及各自使用场景
区别：
内部表：加载数据到hive所在的hdfs目录，删除时，元数据和数据文件都删除
外部表：不加载数据到hive所在的hdfs目录，删除时，只删除表结构。
这样外部表相对来说更加安全些，数据组织也更加灵活，方便共享源数据。
使用场景：
（1）每天采集的nginx日志和埋点日志,在存储的时候建议使用外部表，因为日志数据是采集程序实时采集进来的，一旦被误删，恢复起来非常麻烦。而且外部表方便数据的共享。
（2）抽取过来的业务数据，其实用外部表或者内部表问题都不大，就算被误删，恢复起来也是很快的，如果需要对数据内容和元数据进行紧凑的管理, 那还是建议使用内部表
（3）在做统计分析时候用到的中间表，结果表可以使用内部表，因为这些数据不需要共享，使用内部表更为合适。并且很多时候结果分区表我们只需要保留最近3天的数据，用外部表的时候删除分区时无法删除数据。
3、 简单描述一下HIVE的功能？用hive创建表有几种方式？hive表有几种？
hive主要是做离线分析的
hive建表有三种方式
直接建表法
查询建表法(通过AS 查询语句完成建表：将子查询的结果存在新表里，有数据，一般用于中间表)
Like建表法(会创建结构完全相同的表，但是没有数据)
hive表有2种：内部表和外部表
4、 分区分桶的区别，为什么要分区？
分区表：原来的一个大表存储的时候分成不同的数据目录进行存储。如果说是单分区表，那么在表的目录下就只有一级子目录，如果说是多分区表，那么在表的目录下有多少分区就有多少级子目录。不管是单分区表，还是多分区表，在表的目录下，和非最终分区目录下是不能直接存储数据文件的
分桶表：原理和hashpartitioner 一样，将hive中的一张表的数据进行归纳分类的时候，归纳分类规则就是hashpartitioner。（需要指定分桶字段，指定分成多少桶）
分区表和分桶的区别除了存储的格式不同外，最主要的是作用：
分区表：细化数据管理，缩小mapreduce程序 需要扫描的数据量。
分桶表：提高join查询的效率，在一份数据会被经常用来做连接查询的时候建立分桶，分桶字段就是连接字段；提高采样的效率。
有了分区为什么还要分桶?
(1)获得更高的查询处理效率。桶为表加上了额外的结构，Hive在处理有些查询时能利用这个结构。
(2)使取样( sampling)更高效。在处理大规模数据集时，在开发和修改査询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。
分桶是相对分区进行更细粒度的划分。分桶将表或者分区的某列值进行hash值进行区分，如要安装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。
与分区不同的是，分区依据的不是真实数据表文件中的列，而是我们指定的伪列，但是分桶是依据数据表中真实的列而不是伪列。
5、 Hive 里边字段的分隔符用的什么？为什么用 ？有遇到过字段里 边有 的情况吗，怎么处理的？为什么不用 Hive 默认的分隔符，默认的分隔符是什么？
hive 默认的字段分隔符为 ascii 码的控制符 01（^A）,建表的时候用 fields terminated by ' 01'。遇到过字段里边有 的情况，自定义 InputFormat，替换为其他分隔符再做后续处理。
6、 聊聊hive的执行引擎，spark和mr的区别？
引擎是mr，基于磁盘进行计算，比较慢
引擎是spark，基于内存进行计算，速度比较快
对于超大数据量的话，hiveOnSpark可能会有内存溢出情况
7、 hive的row_number中distribute by 和 partition by的区别
row_number() over( partition by 分组的字段 order by 排序的字段) as rank(rank 可随意定义表示排序的标识)；
row_number() over( distribute by 分组的字段 sort by 排序的字段) as rank(rank 可随意定义表示排序的标识)
注意：
partition by 只能和order by 组合使用
distribute by 只能和 sort by 使用
8、hive中导入数据的4种方式
从本地导入：load data local inpath /home/liuzc into table ods.test
从hdfs导入：load data inpath /user/hive/warehouse/a.txt into ods.test
查询导入：create table tmp_test as select * from ods.test
查询结果导入：insert into table tmp.test select * from ods.test
9、 hive和传统数据库之间的区别
(1)、写时模式和读时模式
传统数据库是写时模式，在load过程中，提升了査询性能，因为预先解析之后可以对列建立索引，并压缩，但这样也会花费更多的加载时间。
Hive是读时模式，load data非常迅速，因为它不需要读取数据进行解析，仅仅进行文件的复制或者移动。
(2)、数据格式。Hive中没有定义专门的数据格式，由用户指定，需要指定三个属性:列分隔符，行分隔符，以及读取文件数据的方法。数据库中，存储引擎定义了自己的数据格式。所有数据都会按照一定的组织存储
(3)、数据更新。Hive的内容是读多写少的，因此，不支持对数据的改写和删除，数据都在加载的时候中确定好的。数据库中的数据通常是需要经常进行修改
(4)、执行延迟。Hive在查询数据的时候，需要扫描整个表(或分区)，因此延迟较高，只有在处理大数据是才有优势。数据库在处理小数据是执行延迟较低。
(5)、索引。Hive比较弱，不适合实时查询。数据库有。
(6)、执行。Hive是 Mapreduce，数据库是 Executor
(7)、可扩展性。Hive高，数据库低
(8)、数据规模。Hive大，数据库小
10、udf udaf udtf区别
UDF操作作用于单个数据行，并且产生一个数据行作为输出。大多数函数都属于这一类（比如数学函数和字符串函数）。
UDAF 接受多个输入数据行，并产生一个输出数据行。像COUNT和MAX这样的函数就是聚集函数。
UDTF 操作作用于单个数据行，并且产生多个数据行，一个表作为输出。lateral view explore()
简单来说：
UDF:返回对应值，一对一
UDAF：返回聚类值，多对一
UDTF：返回拆分值，一对多
11、Hive的执行流程？
(1)、用户提交查询等任务给Driver。
(2)、编译器获得该用户的任务Plan。
(3)、编译器Compiler根据用户任务去MetaStore中获取需要的Hive的元数据信息。
(4)、编译器Compiler得到元数据信息，对任务进行编译，先将HiveQL转换为抽象语法树，然后将抽象语法树转换成查询块，将查询块转化为逻辑的查询计划，重写逻辑查询计划，将逻辑计划转化为物理的计划（MapReduce）, 最后选择最佳的策略。
(5)、将最终的计划提交给Driver。
(6)、Driver将计划Plan转交给ExecutionEngine去执行，获取元数据信息，提交给JobTracker或者SourceManager执行该任务，任务会直接读取HDFS中文件进行相应的操作。
(7)、获取执行的结果。
(8)、取得并返回执行结果。
12、sql语句的执行顺序
from-where-group by-having -select-order by -limit