Question

上一章讲解了hive是如何创建表，语法当中可以通过STORED AS指定表存储的文件格式。hive支持Hadoop中常用的几种文件格式，如：TextFile、SequenceFile、RCFile、AVRO、ORC和Parquet格式。

---

Hive TextFile文本文件格式

Hive 文本文件格式是默认的存储格式。文本文件格式在大多数应用程序中非常常见。

数据按行存储，每一行都是一条记录。每行都以换行符 (\n) 结束，hive文本当中默认的分隔表示如下：

\n	每行一条记录
^A （八进制 \001）	分隔列
^B （八进制 \002）	^B 分隔ARRAY或者STRUCT中的元素，或者MAP中多个键值对之间分隔
^C（八进制 \003）	^C 分隔MAP中键值对的“键”和“值”

^:在Linux通过ctrl+v输入的，^A 就是通过crtl+v然后再crtl+a输入的。

stu.txt数据如下：

例1、hive提供了从本地文件加载文件到hive表中的方法，如下，把三位学生信息的txt文件加载到hive表当中：

LOAD DATA LOCAL INPATH '/usr/local/stu.txt' INTO TABLE stuinfo;

导入结果如下：

---

Hive SequenceFile序列文件格式

序列文件是 Hadoop基于行存储的文件，它以二进制键值对形式存储值。使用序列文件的主要优点是将两个或多个文件合并为一个文件。

通过在 Hive CREATE TABLE 命令的末尾添加存储选项“STORED AS SEQUENCEFILE”指定存储的是序列文件。

---

Hive RCFile文件格式

RCFile是Hive推出的一种专门面向列的数据格式。 它遵循“先按列划分，再垂直划分”的设计理念。如果您需要一次执行多行，那么您可以使用 RCFile 格式。

通过在 Hive CREATE TABLE 命令的末尾添加存储选项“STORED AS RCFILE“指定存储的是RCFile文件。

---

Hive Avro文件格式

Avro是一种用于支持数据密集型的二进制文件格式。它的文件格式更为紧凑，若要读取大量数据时，Avro能够提供更好的序列化和反序列化性能。

通过在 Hive CREATE TABLE 命令的末尾添加存储选项“STORED AS Avro“指定存储的是RCFile文件。

---

Hive ORC 文件格式

ORC File，它的全名是Optimized Row Columnar (ORC) file，其实就是对RCFile做了一些优化。官方介绍当中，这种文件格式可以提供一种高效的方法来存储Hive数据。它的设计目标是来克服Hive其他格式的缺陷。运用ORC File可以提高Hive的读、写以及处理数据的性能。

通过在 Hive CREATE TABLE 命令的末尾添加存储选项“STORED AS ORC“指定存储的是RCFile文件。

---

Hive Parquet文件格式

Apache Parquet是Hadoop生态圈中一种新型列式存储格式，Parquet最初是由Twitter和Cloudera合作开发完成并开源，2015年5月从Apache的孵化器里毕业成为Apache顶级项目。它也是使用了列式存储的方式提升查询性能。

通过在 Hive CREATE TABLE 命令的末尾添加存储选项“STORED AS parquet“指定存储的是RCFile文件。