傳統資料庫是寫時模式，在load過程中，提公升了查詢效能，因為預先解析之後可以對列建立索引，並壓縮，但這樣也會花費更多的載入時間。
hive是讀時模式，1 oad data非常迅速，因為它不需要讀取資料進行解析，僅僅進行檔案的複製或者移動。
在傳統資料庫裡，表的模式是在資料載入時強制確定的。如果在載入時發現資料不符合模式，則被拒絕載入資料。因為資料是在寫入資料庫是對照模式進行檢查，因此這一設計有時被稱為「寫時模式」（schema on write）。
在另外一方面，hive對資料的驗證並在不載入資料時進行，而在查詢時進行。這稱為「讀時模式」（schema on read）。
在另外一方面，hive對資料的驗證並在不載入資料時進行，而在查詢時進行。這稱為「讀時模式」（schema on read）。
使用者需要在這兩種方法之間權衡。讀時模式可以使得資料載入非常迅速。這是因為它不需要讀取資料，進行「解析」，再進行序列化以資料庫內部格式存入磁碟。資料載入僅僅是檔案的複製和移動。這一方法也更為靈活：試想，針對不同的分析任務，同乙個資料可能會有兩個模式。hive使用『』外部表』時，這種情況是可能發生的。
寫時模式有利於提公升查詢效能。因為資料庫可以對列進行索引，並對資料進行壓縮。但是作為權衡，此時載入資料會花更多時間。此外沒在很多載入時模式未知的情況下，因為查詢尚未確定，因此不能決定使用何種索引。這些情況真是hive「長袖善舞」的地方！
hive中沒有定義專門的資料格式，由使用者指定，需要指定三個屬性:列分隔符，行分隔符，以及讀取檔案資料的方法。資料庫中，儲存引擎定義了自己的資料格式。所有資料都會按照一定的組織儲存
hive的內容是讀多寫少的，因此，不支援對資料的改寫和刪除，資料都在載入的時候中確定好的。資料庫中的資料通常是需要經常進行修改
hive在查詢資料的時候，需要掃瞄整個表(或分割槽)，因此延遲較高，只有在處理大資料是才有優勢。資料庫在處理小資料是執行延遲較低。
hive比較弱，不適合實時查詢。資料庫有。
hive是 mapreduce，資料庫是 executor
hive高，資料庫低
hive大，資料庫小
大資料之Hive《五》
1 語法hive load data local inpath opt module datas student.txt overwrite into table student partition partcol1 val1,1 load data 表示載入資料 2 local 表示從本地載入資料...
大資料學習之Hive
建立乙個自定義列表 如何建立乙個註腳 注釋也是必不可少的 katex數學公式 新的甘特圖功能，豐富你的文章 uml 圖表 flowchart流程圖 匯出與匯入 1 hive處理的資料儲存在hdfs 2 hive分析資料底層的實現是mapreduce 3 執行程式執行在yarn上 hive的優缺點 帶...
傳統資料與大資料
問世間，大資料為何物，直教人眾說紛紜 一本 big data 的書，掀起了大資料的浪潮，不管是it人士，還是 精英，都在議論大資料，春運大資料 出遊大資料 美食大資料 閱讀大資料 那麼，大資料到底是什麼呢？難道量大 數大就是大資料嗎？如果是這樣，大資料就是炒舊飯了，殊不知電信領域無論從數量規模，還是...