hive面试题及答案

hive面试题及答案

一、文档说明本文档整理了Hive面试中高频出现的题目及参考答案，涵盖基础概念、操作语法、性能优化、架构原理等核心知识点，适用于Hadoop开发、数据仓库工程师等岗位面试备考题目按题型分类，答案简洁实用，可直接参考

二、单项选择题（共30题，每题1分）Hive中不支持的数据类型是（）A.TINYINT B.FLOAT C.VARCHAR D.ARRAY答案C（Hive

2.0后支持VARCHAR，若为旧版本则选C）以下关于Hive分区表的描述，正确的是（）A.分区字段必须是字符串类型B.分区表查询时必须指定分区C.分区可提高查询效率D.分区表不支持动态分区答案CHive中，count1与count*的主要区别是（）A.性能不同B.结果不同C.语法不同D.无区别答案D以下哪种文件格式在Hive中通常不用于存储小文件（）A.ORC B.Parquet C.TextFile D.SequenceFile答案CHive的执行引擎不包括（）A.MapReduce B.Tez C.Spark D.Flink答案D关于Hive外部表，正确的是（）A.删除表时不删除数据B.必须指定存储路径第1页共11页C.不支持分区D.与内部表查询语法不同答案AHive中，以下哪个命令用于查看执行计划（）A.explain B.describe C.show tablesD.select答案A数据倾斜最可能导致的问题是（）A.查询结果错误B.任务OOM C.表数据丢失D.元数据损坏答案BHive分桶表的主要作用是（）A.提高分区查询效率B.实现数据抽样C.增加表的存储容量D.简化表结构答案B以下关于Hive Metastore的描述，错误的是（）A.存储表结构信息B.支持本地模式和远程模式C.必须与Hive服务部署在同一节点D.可使用MySQL作为存储数据库答案CHive中，like a%的含义是（）A.匹配以a开头的字符串B.匹配包含a的字符串C.匹配以a结尾的字符串D.无意义答案A以下哪种操作可能导致Hive表数据重复（）A.开启事务B.分桶表写入C.动态分区插入D.全表扫描答案C第2页共11页Hive中，order by、sort by、distribute by、cluster by的区别是（）A.`order by`全局排序，其他局部排序B.`sort by`全局排序，其他局部排序C.`distribute by`全局排序，其他局部排序D.无区别答案A关于Hive的UDF，正确的是（）A.输入多行输出多行B.必须继承HiveUDF类C.只能在查询中使用D.无返回值答案BHive

0.14版本新增的重要特性是（）A.支持事务表B.支持分桶C.支持ORC格式D.支持视图答案A以下哪种情况会导致Hive查询性能下降（）A.使用小表JOIN大表B.分桶表JOINC.谓词下推D.压缩表存储答案AHive中，drop tableif existst的作用是（）A.删除表结构B.删除表数据C.若表存在则删除D.无操作答案C关于Hive中的索引，正确的是（）A.适用于大表B.会增加写入开销C.支持所有查询类型D.无需维护答案BHive中，group by导致数据倾斜的主要原因是（）第3页共11页A.key值重复B.key值分布不均C.数据量过大D.无此问题答案B以下哪种格式在Hive中压缩率最高（）A.Snappy B.Gzip C.LZO D.BZip2答案DHive与传统关系型数据库（如MySQL）的主要区别是（）A.不支持SQL语法B.基于内存计算C.适用于结构化数据D.不支持事务答案DHive中，insert overwritetable tselect*from t的结果是（）A.表t内容不变B.表t内容清空C.表t新增数据D.报错答案B关于Hive的动态分区，正确的是（）A.必须指定分区值B.分区值可动态生成C.性能比静态分区好D.仅支持单级分区答案BHive中，row_number函数的作用是（）A.统计行数B.对数据分组排序并标记序号C.计算总和D.去重答案B以下哪种方式不能解决Hive数据倾斜（）A.预处理key（如空key填充）B.增加reduce任务数C.使用`distinct`替代`group by`D.避免`countdistinct`答案C第4页共11页Hive中，describe formattedt的作用是（）A.查看表基本结构B.查看表详细信息（包括存储格式、分区等）C.查看表数据D.创建表答案B关于Hive的分区分桶，正确的是（）A.分区是哈希划分，分桶是范围划分B.分区是范围划分，分桶是哈希划分C.分区和分桶无区别D.分桶可提高查询效率，分区不可答案BHive中，explain extended的输出不包含（）A.执行计划B.物理执行计划C.数据存储路径D.表结构答案D以下哪种文件格式不支持压缩（）A.TextFile B.ORC C.Parquet D.RCFile答案AHive中，union与union all的区别是（）A.`union`去重，`union all`保留重复B.`union`保留重复，`union all`去重C.性能不同D.无区别答案A

三、多项选择题（共20题，每题2分）Hive的优势包括（）A.基于HDFS存储B.支持类SQL查询C.适合海量数据处理D.实时性高答案ABC第5页共11页以下属于Hive存储格式的有（）A.ORC B.CSV C.Avro D.JSON答案ACHive中，会导致任务失败的操作有（）A.数据倾斜B.表不存在C.权限不足D.字段类型不匹配答案ABCDHive查询优化的常用方法有（）A.谓词下推B.分桶表JOIN C.使用压缩D.避免select*答案ABCD关于Hive的分区表，以下描述正确的有（）A.分区字段可多个B.分区是表的子目录C.查询时必须指定分区D.分区可动态创建答案ABDHive Metastore的三种服务模式是（）A.本地模式B.远程模式C.嵌入模式D.分布式模式答案ABCHive中，countdistinct a,b的特点有（）A.可统计多列去重B.性能较差C.支持单列去重D.与countdistinct a无区别答案ABC以下属于Hive内置聚合函数的有（）A.sum B.avg C.max D.substring答案ABC可能导致Hive数据倾斜的场景有（）第6页共11页A.空key值过多B.大key值重复C.小表JOIN大表D.动态分区插入答案ABDHive支持的事务特性包括（）A.`ACID`属性B.行级锁C.全表事务D.部分场景下的事务支持答案ADHive中，order by的特点有（）A.全局排序B.单reduce任务执行C.性能高D.支持`limit`答案ABD关于Hive的UDF、UDAF、UDTF，正确的有（）A.UDF输入单行输出单行B.UDAF输入多行输出单行C.UDTF输入单行输出多行D.三者都必须继承Hive相关类答案ABCDHive中，以下哪些操作会修改元数据（）A.`create table`B.`alter table`C.`drop table`D.`insert data`答案ABCHive数据压缩算法的特点有（）A.Snappy压缩速度快B.Gzip压缩率高C.LZO支持分割D.BZip2压缩率低答案ABCHive与Spark的关系是（）A.Spark可作为Hive的执行引擎B.Hive基于Spark开发C.Spark可读取Hive表数据D.两者无关联第7页共11页答案ACHive中，explain命令的输出包含（）A.逻辑执行计划B.物理执行计划C.数据流向D.任务耗时答案ABC以下属于Hive表类型的有（）A.内部表B.外部表C.视图D.分区表答案ABCHive中，动态分区的配置参数包括（）A.`hive.exec.dynamic.partition`B.`hive.exec.dynamic.partition.mode`C.`hive.exec.max.dynamic.partitions.pernode`D.`hive.exec.max.dynamic.partitions`答案ABCD关于Hive的分桶，正确的描述有（）A.按字段哈希分桶B.分桶表可提高JOIN效率C.分桶字段必须是字符串D.分桶表不支持分区答案ABHive查询失败的可能原因有（）A.表名拼写错误B.字段不存在C.数据格式错误D.权限不足答案ABCD

四、判断题（共20题，每题1分）Hive支持事务表，且完全兼容传统数据库的事务特性（）答案×（仅支持部分事务特性，如ACID属性在特定场景下支持）Hive的order by是全局排序，且只能在单个reducer中执行（）答案√第8页共11页Hive的外部表删除时，只会删除元数据，不会删除HDFS上的数据（）答案√Hive中，count1比count*执行效率更高（）答案×（两者性能无显著差异，语义相同）Hive的分桶表和分区表都可以提高查询效率（）答案√Hive支持ORC格式，但不支持Parquet格式（）答案×（支持多种格式，包括Parquet）Hive的数据倾斜问题仅在group by时出现（）答案×（JOIN、order by等场景也可能出现）Hive的UDF函数必须有输入和输出参数（）答案×（UDF输入输出参数根据需求定义）Hive的谓词下推会将查询条件下推到Map阶段执行（）答案√Hive的distribute by与order by结合可实现全局排序（）答案×（`distribute by`需配合`sort by`使用）Hive的视图是物理表，存储实际数据（）答案×（视图是逻辑表，不存储数据）Hive中，insert overwritetable会覆盖表中所有数据（）答案√Hive支持like、rlike等模糊查询语法（）答案√Hive的Metastore必须使用MySQL作为存储数据库（）答案×（支持Derby、MySQL等多种数据库）第9页共11页Hive的explain命令可用于优化查询性能（）答案√Hive的动态分区默认是开启的（）答案×（需手动开启`hive.exec.dynamic.partition=true`）Hive的sort by是局部排序，不影响全局数据顺序（）答案√Hive的ORC格式比TextFile格式更节省存储空间（）答案√Hive的countdistinct在数据量大时性能较差（）答案√Hive的分桶表必须指定分桶字段（）答案√

五、简答题（共2题，每题5分）简述Hive中的数据倾斜问题及解决方法数据倾斜指某一key对应大量数据，导致单个reducer任务运行缓慢或OOM解决方法预处理key（如空key填充特殊值）、增加reduce数量、避免countdistinct、使用动态分区优化、小表JOIN大表时交换表顺序说明Hive中的分桶表及其作用分桶表通过对分桶字段哈希值取模，将数据分为多个桶文件存储作用提高查询效率（如加速JOIN）、便于数据抽样、优化数据分布与分区表区别分区是范围划分，分桶是哈希划分

六、参考答案第10页共11页（详见各题型题目后的答案标注，此处省略重复）注本文档题目及答案基于Hive

2.x版本整理，部分细节可能因版本差异略有不同，实际面试中需结合具体场景调整第11页共11页。