在Hive中創建表時，默認情況下Hive負責管理數據。這意味着Hive把數據移入到它的“倉庫目錄”。另外一種選擇是創建一個“外部表”（external table）。這會讓Hive到倉庫目錄以外的位置去訪問數據。
這兩種表的區別表現在LOAD和DROP命令的語義上。先來看托管表（managed table）。
加載數據到托管表時，Hive把數據移到倉庫目錄。例如：
CREATE TABLE managed_table (dummy STRING);
LOAD DATA INPATH '/usr/tom/data.txt' INTO table managed_table;
把文件hdfs://usr/tom/data.txt移到Hive的managed_table表的倉庫目錄中。即hdfs://user/hive/warehouse/managed_table。
由於加載操作就是文件系統中的文件移動和文件重命名，因此它的執行速度很快。但是，即使是托管表，Hive也並不檢查表目錄中的文件是否符合為表所聲明的模式。如果有數據和模式不匹配，只有在查詢時才會知道。我們通常要通過查詢為缺失字段返回的空值NULL才知道存在不匹配的行。可以發出一個簡單的select語句來查詢表中的若干行數據，從而檢查數據是否能被正確解析。
如果隨后要丟棄一個表，可以使用如下語句：
DROP TABLE managed_table;
這個表，包括它的元數據和數據，會被一起刪除。因此，因為最初的LOAD是一個移動操作，而DROP是一個刪除操作。所以數據會徹底消失。這就是Hive所謂的“托管數據”的含義。
對於外部表而言，這兩個操作的結果就不一樣了：由你來控制數據的創建和刪除。外部數據的位置需要創建表的時候指明：
CREATE EXTERNAL TABLE external_table (dummy STRING) LOCATION '/usr/tom/external_table';
LOAD DATA INPATH '/usr/tom/data.txt' INTO TABLE external_table;
使用EXTERNAL關鍵字以后，Hive知道數據並不是自己管理，因此不會把數據移到自己的倉庫目錄。事實上，在定義時，它甚至不會檢查這一外部表位置是否存在。這是一個非常有用的特性，因為它意味着你可以把創建數據推遲到創建表之后才進行。
丟棄外部表時，Hive不會碰數據，只會刪除元數據。
那么，應該如何選擇使用那種表呢？大都數情況下，這兩種方式沒有太大的區別（當然DROP語義除外），因此這只是個人喜好問題。作為一個經驗法則，如果所有處理都是由Hive完成，應該使用托管表。普遍的用法是把存放在HDFS的初始數據集作外部表進行使用，然后用Hive的變換功能把數據移到托管的Hive表。這一方法反之也成立--外部表可以用於從Hive導出數據供其他程序使用。
————————————————
版權聲明：本文為CSDN博主「YQlakers」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/yqlakers/article/details/72967684