內表：刪表刪資料   （hdfs上的檔案資料）
外表：刪表不刪資料（hdfs上的檔案資料）

• 內表
  建立表時沒加external，預設是內表

  • 所有的 Table 資料（不包括 External Table）都儲存在warehouse這個目錄中。

  • 刪除表時，元資料與資料都會被刪除

  • 建立過程和資料載入過程（這兩個過程可以在同一個語句中完成），在載入資料的過程中，實際資料會被移動到資料倉庫目錄中；之後對資料對訪問將會直接在資料倉庫目錄中完成。刪除表時，表中的資料和元資料將會被同時刪除

• 外表
  包含External 的表叫外部表

  • 刪除外部表只刪除metastore的元資料，不刪除hdfs中的表資料

  • 外部表 只有一個過程，載入資料和建立表同時完成，並不會移動到資料倉庫目錄中，只是與外部資料建立一個連結。當刪除一個 外部表 時，僅刪除該連結

  • 指向已經在 HDFS 中存在的資料，可以建立 Partition

  • 它和 內部表 在元資料的組織上是相同的，而實際資料的儲存則有較大的差異

• 分割槽表
  加入分割槽避免Hive Select查詢中掃描整個表內容，會消耗很多時間做沒必要的工作。（例如每一天的日誌存放在一個分割槽中，這樣根據特定的日期查詢）

  一個表可以擁有一個或者多個分割槽，每個分割槽以資料夾的形式單獨存在表文件夾的目錄下。

• 桶表
  對於每一個表（table）或者分割槽， Hive可以進一步組織成桶，也就是說桶是更為細粒度的資料範圍劃分。Hive也是 針對某一列進行桶的組織。Hive採用對列值雜湊，然後除以桶的個數求餘的方式決定該條記錄存放在哪個桶當中。

  桶是以檔案的形式存放在表或者分割槽的目錄下。

  把表（或者分割槽）組織成桶（Bucket）有兩個理由：
  （1）獲得更高的查詢處理效率。桶為表加上了額外的結構，Hive 在處理有些查詢時能利用這個結構。具體而言，連線兩個在（包含連線列的）相同列上劃分了桶的表，可以使用 Map 端連線 （Map-side join）高效的實現。比如JOIN操作。對於JOIN操作兩個表有一個相同的列，如果對這兩個表都進行了桶操作。那麼將儲存相同列值的桶進行JOIN操作就可以，可以大大較少JOIN的資料量。
  （2）使取樣（sampling）更高效。在處理大規模資料集時，在開發和修改查詢的階段，如果能在資料集的一小部分資料上試執行查詢，會帶來很多方便。