任何人都可以告诉我Hive的外部表和内部表之间的区别 . 我知道放下 table 时会有所不同 . 我不明白你的意思是什么，数据和元数据在内部被删除，只有元数据被删除在外部表中 . 任何人都可以用节点来解释我 .
Hive在主节点上有一个关系数据库，用于跟踪状态 . 例如，当您 CREATE TABLE FOO(foo string) LOCATION 'hdfs://tmp/'; 时，此表模式存储在数据库中 .
CREATE TABLE FOO(foo string) LOCATION 'hdfs://tmp/';
如果您有分区表，则分区存储在数据库中（这允许配置单元使用分区列表而无需转到文件系统并查找它们等） . 这些东西就是“元数据” .
删除内部表时，它会删除数据，并且还会删除元数据 .
删除外部表时，它只会删除元数据 . 这意味着蜂巢现在对这些数据一无所知 . 它不会触及数据本身 .
Hive表可以创建为EXTERNAL或INTERNAL . 这是影响数据加载，控制和管理方式的选择 .
在以下情况下使用EXTERNAL表：
数据也在Hive之外使用 . 例如，数据文件由不锁定文件的现有程序读取和处理 .
即使在DROP TABLE之后，数据也需要保留在基础位置 . 如果您将多个模式（表或视图）指向单个数据集，或者您正在迭代各种可能的模式，则可以应用此方法 .
您想使用自定义位置，例如ASV .
Hive不应该拥有数据和控制设置，dirs等，你有另一个程序或进程来做这些事情 .
您没有基于现有表创建表（AS SELECT） .
在以下情况下使用INTERNAL表：
数据是暂时的 . 您希望Hive完全管理表和数据的生命周期 .
对于外部表，Hive不会将数据移动到其仓库目录中 . 如果删除外部表，则删除表元数据，但不删除数据 .
对于内部表，Hive将数据移动到其仓库目录中 . 如果删除该表，则将删除表元数据和数据 .
内部和外部表之间的区别：
对于外部表 - 外部表将文件存储在HDFS服务器上，但表未完全链接到源文件 . 如果删除外部表，则该文件仍保留在HDFS服务器上 . 例如，如果您使用HIVE-QL在HIVE中创建一个名为“table_test”的外部表并将该表链接到文件“file”，则从HIVE中删除“table_test”将不会从HDFS中删除“file” . 任何有权访问HDFS文件结构的人都可以访问外部表文件，因此需要在HDFS文件/文件夹级别管理安全性 . 元数据在主节点上维护，从HIVE删除外部表只删除元数据而不删除数据/文件 . 对于内部表 - 根据hive.metastore.warehouse.dir中的设置存储在目录中，默认情况下，内部表存储在以下目录“/ user / hive / warehouse”中，您可以通过更新配置文件中的位置来更改它 . 删除表将分别从主节点和HDFS中删除元数据和数据 . 内部表文件安全性仅通过HIVE控制 . 需要在HIVE内部管理安全性，可能在模式级别（取决于组织） .
Hive可能有内部或外部表，这是影响数据加载，控制和管理方式的选择 .
Use EXTERNAL tables when:
data is also used outside of Hive . 例如，数据文件由不锁定文件的现有程序读取和处理 .
Data needs to remain in the underlying location even after a DROP TABLE. 如果您将多个模式（表或视图）指向单个数据集，或者您正在迭代各种可能的模式，则可以应用此选项 .
Hive should not own data and control settings, directories, etc . ，您可能有另一个程序或进程来执行这些操作 .
You are not creating table based on existing table (AS SELECT).
Use INTERNAL tables when:
data is temporary .
你想要 Hive to completely manage the life-cycle of the table and data .
资源 ：
HDInsight: Hive Internal and External Tables Intro
Internal & external tables in Hadoop- HIVE
内部表数据存储在Warehouse文件夹中，外部表数据指向您在表创建中提到的位置 . 因此，当您删除内部表时，它会删除Schema以及Warehouse文件夹下的Data，但在外部表中，它的唯一Schema将会松散 . 所以，当你想要 table 回来你可以再次创建一个带有模式的表并指向该位置 . 希望现在很清楚 .
在外部表中，如果删除它，它只删除表的模式，表数据存在于物理位置 . 所以要删除数据使用hadoop fs - rmr tablename . 托管表配置单元将完全控制表 . 在外部表中，用户可以控制它 .
基于我迄今为止有限的研究和测试（使用Hive 1.1.0 -cdh5.12.0），行为（不是预期用途）的唯一区别似乎是当表被删除时
内部（托管）表的数据从HDFS文件系统中删除
，而外部表的数据不会从HDFS文件系统中删除 .
（注意：请参阅https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL中的第'Managed and External Tables'节，其中列出了一些我并不完全理解的差异）
我相信Hive会根据以下优先级从上到下选择创建表所需的位置
表创建期间定义的位置
在创建表的数据库/模式创建中定义的位置 .
默认Hive仓库目录（hive.site.xml中的属性hive.metastore.warehouse.dir）
在“创建配置单元表”期间未使用“位置”选项时，将使用上述优先规则 . 这适用于内部和外部表 . 这意味着内部表不一定必须驻留在Warehouse目录中，并且可以驻留在其他任何位置 .
注意：我可能错过了一些场景，但基于我的有限探索，除了上面描述的一个差异（数据删除）之外，内部和外部表的行为似乎是相同的 . 我为内部和外部表尝试了以下方案 .
使用和不使用Location选项创建表
使用和不使用分区选项创建表
使用Hive加载和插入语句添加新数据
将数据文件添加到Hive外部的Table位置（使用HDFS命令）并使用“MSCK REPAIR TABLE”命令刷新表
删除表格
如果希望Hive管理数据的整个生命周期（包括删除），则内部表非常有用，而在Hive外部使用文件时，外部表非常有用 .
外部hive表的优点是，当我们删除表时它不会删除文件，我们可以设置不同设置的行格式，如serde ....分隔
另请记住，Hive是一个大数据仓库 . 如果你想删除一个表，你不想丢失千兆字节或太字节数据 . 以该比例生成，移动和复制数据可能是耗时的 . 当您删除“托管”表时，配置单元也会删除其数据 . 删除“外部”表时，仅删除来自hive元存储的模式定义 . hdfs上的数据仍然存在 .
考虑这种最适合外部表的场景：
MapReduce（MR）作业过滤巨大的日志文件以吐出 n 子日志文件（例如，每个子日志文件包含特定的消息类型日志），输出即子日志文件存储在hdfs中 .
n
这些日志文件将被加载到Hive表中以执行进一步的分析，在这种情况下，我建议使用外部表，因为实际的日志文件是由外部进程生成并拥有的，即MR作业除了可以避免将每个生成的日志文件加载到相应的Hive表中的附加步骤 .
配置单元中外部表的最佳用例是，您希望从CSV或文本文件创建表
当我们使用外部表时，hive只存储元数据中的元数据和hive外部的原始数据我们可以通过这些我们的原始数据给出位置''当我们丢弃表时不会生效
当HDFS中已存在数据时，可以创建外部Hive表来描述数据 . 它被称为EXTERNAL，因为外部表中的数据是在LOCATION属性中指定的，而不是默认的仓库目录 .
将数据保存在内部表中时，Hive完全管理表和数据的生命周期 . 这意味着删除内部表后将删除数据 . 如果删除外部表，则会删除表元数据，但会保留数据 . 大多数情况下，首选外部表以避免删除数据与表错误 .
对于托管表，Hive控制其数据的生命周期 . Hive默认将受管表的数据存储在hive.metastore.warehouse.dir定义的目录下的子目录中 .
当我们删除托管表时，Hive会删除表中的数据 . 但是托管表不太方便与其他工具共享 . 例如，假设我们主要由Pig创建和使用的数据，但是我们想对它运行一些查询，但不给Hive所有权 .
那时，外部表被定义为指向该数据，但不取得它的所有权 .
在Hive中我们还可以创建一个外部表 . 它告诉Hive引用仓库目录外的现有位置的数据 . 删除外部表将删除元数据，但不删除数据 .
INTERNAL ： Table 已创建 First 且 Data 已加载 later
EXTERNAL ： Data 是 present 和 Table 是 created on top .
简单来说，有两件事：
Hive可以管理仓库中的东西，即它不会从仓库中删除数据 . 当我们删除表时：
1）对于内部表，数据在仓库内部进行管理 . 所以将被删除 .
2）对于外部表，数据是从仓库永久管理的 . 因此无法删除，其他客户端也可以使用它 .
17 回答
Hive在主节点上有一个关系数据库，用于跟踪状态 . 例如，当您
CREATE TABLE FOO(foo string) LOCATION 'hdfs://tmp/';时，此表模式存储在数据库中 .如果您有分区表，则分区存储在数据库中（这允许配置单元使用分区列表而无需转到文件系统并查找它们等） . 这些东西就是“元数据” .
删除内部表时，它会删除数据，并且还会删除元数据 .
删除外部表时，它只会删除元数据 . 这意味着蜂巢现在对这些数据一无所知 . 它不会触及数据本身 .
Hive表可以创建为EXTERNAL或INTERNAL . 这是影响数据加载，控制和管理方式的选择 .
在以下情况下使用EXTERNAL表：
数据也在Hive之外使用 . 例如，数据文件由不锁定文件的现有程序读取和处理 .
即使在DROP TABLE之后，数据也需要保留在基础位置 . 如果您将多个模式（表或视图）指向单个数据集，或者您正在迭代各种可能的模式，则可以应用此方法 .
您想使用自定义位置，例如ASV .
Hive不应该拥有数据和控制设置，dirs等，你有另一个程序或进程来做这些事情 .
您没有基于现有表创建表（AS SELECT） .
在以下情况下使用INTERNAL表：
给你回答问题：
对于外部表，Hive不会将数据移动到其仓库目录中 . 如果删除外部表，则删除表元数据，但不删除数据 .
对于内部表，Hive将数据移动到其仓库目录中 . 如果删除该表，则将删除表元数据和数据 .
供您参考，
内部和外部表之间的区别：
Hive可能有内部或外部表，这是影响数据加载，控制和管理方式的选择 .
Use EXTERNAL tables when:
data is also used outside of Hive . 例如，数据文件由不锁定文件的现有程序读取和处理 .
Data needs to remain in the underlying location even after a DROP TABLE. 如果您将多个模式（表或视图）指向单个数据集，或者您正在迭代各种可能的模式，则可以应用此选项 .
Hive should not own data and control settings, directories, etc . ，您可能有另一个程序或进程来执行这些操作 .
You are not creating table based on existing table (AS SELECT).
Use INTERNAL tables when:
data is temporary .
你想要 Hive to completely manage the life-cycle of the table and data .
资源 ：
HDInsight: Hive Internal and External Tables Intro
Internal & external tables in Hadoop- HIVE
内部表数据存储在Warehouse文件夹中，外部表数据指向您在表创建中提到的位置 . 因此，当您删除内部表时，它会删除Schema以及Warehouse文件夹下的Data，但在外部表中，它的唯一Schema将会松散 . 所以，当你想要 table 回来你可以再次创建一个带有模式的表并指向该位置 . 希望现在很清楚 .
在外部表中，如果删除它，它只删除表的模式，表数据存在于物理位置 . 所以要删除数据使用hadoop fs - rmr tablename . 托管表配置单元将完全控制表 . 在外部表中，用户可以控制它 .
基于我迄今为止有限的研究和测试（使用Hive 1.1.0 -cdh5.12.0），行为（不是预期用途）的唯一区别似乎是当表被删除时
内部（托管）表的数据从HDFS文件系统中删除
，而外部表的数据不会从HDFS文件系统中删除 .
（注意：请参阅https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL中的第'Managed and External Tables'节，其中列出了一些我并不完全理解的差异）
我相信Hive会根据以下优先级从上到下选择创建表所需的位置
表创建期间定义的位置
在创建表的数据库/模式创建中定义的位置 .
默认Hive仓库目录（hive.site.xml中的属性hive.metastore.warehouse.dir）
在“创建配置单元表”期间未使用“位置”选项时，将使用上述优先规则 . 这适用于内部和外部表 . 这意味着内部表不一定必须驻留在Warehouse目录中，并且可以驻留在其他任何位置 .
注意：我可能错过了一些场景，但基于我的有限探索，除了上面描述的一个差异（数据删除）之外，内部和外部表的行为似乎是相同的 . 我为内部和外部表尝试了以下方案 .
使用和不使用Location选项创建表
使用和不使用分区选项创建表
使用Hive加载和插入语句添加新数据
将数据文件添加到Hive外部的Table位置（使用HDFS命令）并使用“MSCK REPAIR TABLE”命令刷新表
删除表格
如果希望Hive管理数据的整个生命周期（包括删除），则内部表非常有用，而在Hive外部使用文件时，外部表非常有用 .
外部hive表的优点是，当我们删除表时它不会删除文件，我们可以设置不同设置的行格式，如serde ....分隔
另请记住，Hive是一个大数据仓库 . 如果你想删除一个表，你不想丢失千兆字节或太字节数据 . 以该比例生成，移动和复制数据可能是耗时的 . 当您删除“托管”表时，配置单元也会删除其数据 . 删除“外部”表时，仅删除来自hive元存储的模式定义 . hdfs上的数据仍然存在 .
考虑这种最适合外部表的场景：
MapReduce（MR）作业过滤巨大的日志文件以吐出
n子日志文件（例如，每个子日志文件包含特定的消息类型日志），输出即子日志文件存储在hdfs中 .这些日志文件将被加载到Hive表中以执行进一步的分析，在这种情况下，我建议使用外部表，因为实际的日志文件是由外部进程生成并拥有的，即MR作业除了可以避免将每个生成的日志文件加载到相应的Hive表中的附加步骤 .
配置单元中外部表的最佳用例是，您希望从CSV或文本文件创建表
当我们使用外部表时，hive只存储元数据中的元数据和hive外部的原始数据我们可以通过这些我们的原始数据给出位置''当我们丢弃表时不会生效
当HDFS中已存在数据时，可以创建外部Hive表来描述数据 . 它被称为EXTERNAL，因为外部表中的数据是在LOCATION属性中指定的，而不是默认的仓库目录 .
将数据保存在内部表中时，Hive完全管理表和数据的生命周期 . 这意味着删除内部表后将删除数据 . 如果删除外部表，则会删除表元数据，但会保留数据 . 大多数情况下，首选外部表以避免删除数据与表错误 .
对于托管表，Hive控制其数据的生命周期 . Hive默认将受管表的数据存储在hive.metastore.warehouse.dir定义的目录下的子目录中 .
当我们删除托管表时，Hive会删除表中的数据 . 但是托管表不太方便与其他工具共享 . 例如，假设我们主要由Pig创建和使用的数据，但是我们想对它运行一些查询，但不给Hive所有权 .
那时，外部表被定义为指向该数据，但不取得它的所有权 .
在Hive中我们还可以创建一个外部表 . 它告诉Hive引用仓库目录外的现有位置的数据 . 删除外部表将删除元数据，但不删除数据 .
INTERNAL ： Table 已创建 First 且 Data 已加载 later
EXTERNAL ： Data 是 present 和 Table 是 created on top .
简单来说，有两件事：
Hive可以管理仓库中的东西，即它不会从仓库中删除数据 . 当我们删除表时：
1）对于内部表，数据在仓库内部进行管理 . 所以将被删除 .
2）对于外部表，数据是从仓库永久管理的 . 因此无法删除，其他客户端也可以使用它 .