Hive 一张表的数据到底存在哪里?Table、Partition、Bucket 和 File 是什么关系
这道题考什么
这是 Hive 基础里非常容易“会建表,却说不清数据放在哪”的题。很多人会回答“数据存在 HDFS 的 Hive Warehouse 目录”,但继续追问就开始混乱:Table 是目录还是元数据?分区列为什么在文件里看不到?一个 Bucket 是否就是一个文件?外部表的数据还算不算 Hive 数据?面试官真正想听的是:Hive 用 Metastore 管逻辑结构,用文件系统存真实数据;Table、Partition、Bucket 和 File 是从逻辑到物理逐层细化的关系。
一句话回答
Table 是 Hive 中的逻辑表及其元数据入口,指向一个存储位置;Partition 按分区字段把表映射到不同目录和元数据条目;Bucket 在每个表或分区内部按哈希把行划分为固定编号的逻辑组;File 是 ORC、Parquet、Text 等实际数据文件,最终再由 HDFS 切成 Block 保存。关系通常是 Table → Partition → Bucket → File → HDFS Block,但并非每张表都分区或分桶,也不能把一个 Bucket 永远等同于一个文件。