说明

Hive 中主要包括 4 种数据模型：

其模型如下图：

相当于关系数据库中的命名空间( namespace )，它的作用是将用户和数据库的应用，隔离到不同的数据库或者模式中。

在HDFS上的体现：Hive 数据库是 HDFS 中的一个目录

Hive 的表在逻辑上由存储的数据和描述表格数据形式的相关元数据组成。

Hive 中的表分为两种类型：

在HDFS上的体现：Hive 中的表是 HDFS 中的一个目录

为了 提高查询数据的效率，Hive 提供了分区机制。

在HDFS上的体现：分区也是一个目录，在表对应的目录下，这个子目录的名字就是定义的分区列的名字。

例如：现在有个日志文件，文件中的每条记录都带有时间戳。
如果根据时间来分区，那么同一天的数据将会被分到同一个分区中。
这样的话，如果査询每一天或某几天的数据就会变得很高效，因为只需要扫描对应分区中的文件即可。

Hive 可以对每一个表或者是分区，进一步组织成桶，也就是说桶是更为细粒度的数据范围划分，桶表是 Hive 数据模型的最小单元

可以获得 更高的查询效率，尤其是抽样查询更加便捷。

Hive 是针对表的某一列进行分桶，即：对该列的值进行哈希取值，然后除以桶个数得到余数，决定该条记录存放在哪个桶中，保证 每个桶中都有数据

在HDFS上的体现：每个桶表就是表或分区的一个文件。