2026年hive sql测试题及答案

2026年hivesql测试题及答案

一、单项选择题（10题，每题2分）1.以下哪种Hive数据类型属于复杂类型？A.INTB.STRINGC.ARRAYD.DOUBLE2.Hive中创建分区表时，PARTITIONEDBY子句应放在哪个位置？A.CREATETABLE语句开头B.列定义之后C.AS子句之后D.表属性之前3.以下哪个窗口函数用于计算当前行及之前所有行的累计值？A.SUM()OVER()B.SUM()OVER(ORDERBY...ROWSBETWEENUNBOUNDEDPRECEDINGANDCURRENTROW)C.AVG()OVER()D.RANK()OVER()4.Hive中自定义UDF需要继承的类是？A.org.apache.hadoop.hive.ql.exec.UDFB.org.apache.hadoop.hive.ql.exec.UDAFC.org.apache.hadoop.hive.ql.exec.UDTFD.org.apache.hadoop.hive.ql.exec.GenericUDF5.以下关于CTE（公共表表达式）的描述，正确的是？A.只能在子查询中使用B.可以被多次引用C.必须定义在FROM子句之后D.不支持嵌套6.Hive中分桶表的创建需要满足的条件是？A.必须指定CLUSTEREDBY子句B.必须设置mapreduce.job.reduces参数C.必须使用ORC格式D.必须基于分区表创建7.以下哪种Hive视图允许更新底层数据？A.普通视图B.物化视图C.临时视图D.索引视图8.以下哪个Hive参数用于开启动态分区？A.hive.exec.dynamic.partitionB.hive.exec.dynamic.partition.modeC.hive.exec.max.dynamic.partitionsD.hive.exec.max.dynamic.partitions.pernode9.Hive中临时表的生命周期是？A.会话结束后自动删除B.集群重启后删除C.手动删除才会删除D.存储在HDFS永久保存10.以下关于Hive事务表的描述，正确的是？A.支持所有DML操作B.必须使用ORC格式C.只能在MapReduce引擎下使用D.不支持分区表二、填空题（10题，每题2分）1.Hive中创建分桶表时，需要使用________子句指定分桶的列。2.窗口函数中，________子句用于指定分组，________子句用于指定排序。3.自定义UDAF需要实现的核心方法是________（输入类型、输出类型）。4.CTE的定义关键字是________，定义后可在后续查询中直接引用。5.Hive中物化视图的关键字是________，用于存储查询结果的物理数据。6.动态分区模式分为strict和________两种，strict模式下至少指定一个静态分区。7.Hive元数据默认存储在________数据库中。8.窗口函数中，ROWSBETWEENUNBOUNDEDPRECEDINGAND________表示当前行及之后所有行。9.Hive中支持的压缩格式包括Snappy、________、Gzip等。10.临时视图的关键字是________，生命周期仅在当前会话内。三、判断题（10题，每题2分）1.Hive分区表可以同时包含静态分区和动态分区。（）2.分桶表必须设置mapreduce.job.reduces参数等于分桶数。（）3.UDAF（用户定义聚合函数）只能接收一个输入参数。（）4.CTE可以嵌套定义，即一个CTE中可以引用另一个CTE。（）5.Hive普通视图存储实际的数据，物化视图不存储。（）6.Hive3.x版本支持事务表，可实现ACID操作。（）7.临时表跨不同Hive会话可见。（）8.窗口函数中，ORDERBY子句是可选的，没有时按默认顺序计算。（）9.ORC格式的Hive表支持内置索引，可提高查询性能。（）10.动态分区不需要设置任何参数即可直接使用。（）四、简答题（4题，每题5分）1.请简述Hive动态分区与静态分区的区别，并说明各自的适用场景。2.请说明Hive窗口函数的核心作用，列举至少3个常用窗口函数并说明其用途。3.请对比Hive中UDF、UDAF、UDTF的区别，分别说明其适用场景。4.请列举至少3种Hive查询性能优化的常用策略，并简要说明每种策略的原理。五、讨论题（4题，每题5分）1.结合业务场景，谈谈如何设计Hive分区表以最大化查询性能？请说明分区维度选择的原则。2.请举例说明窗口函数在HiveSQL中的典型应用场景（如TopN、累计统计等），并简要说明实现逻辑。3.请分析Hive与SparkSQL集成的优势，以及集成过程中需要注意的关键事项。4.请说明Hive中常见的数据倾斜类型（如Key倾斜、数据量倾斜），并针对每种类型给出至少一种解决策略。答案与解析一、单项选择题答案1.C解析：Hive复杂类型包括ARRAY、MAP、STRUCT，基本类型为INT、STRING等。2.B解析：分区子句需放在列定义之后，语法为CREATETABLE...(列)PARTITIONEDBY(分区列)...。3.B解析：选项B明确指定窗口框架为当前行及之前所有行，选项A无ORDERBY时框架不明确。4.A解析：UDF继承UDF类，UDAF继承UDAF，UDTF继承UDTF。5.B解析：CTE可多次引用，支持嵌套，定义在WITH子句（FROM之前）。6.A解析：分桶表必须用CLUSTEREDBY指定分桶列，reduce数量建议等于分桶数但非必须。7.B解析：物化视图存储实际数据，可更新底层；普通视图为逻辑视图。8.A解析：hive.exec.dynamic.partition=true开启动态分区，mode设置strict/nonstrict。9.A解析：临时表会话结束后自动删除，跨会话不可见。10.B解析：事务表必须用ORC格式，支持部分DML，可在Tez/Spark引擎使用。二、填空题答案1.CLUSTEREDBY2.PARTITIONBY；ORDERBY3.evaluate（核心聚合方法）4.WITH5.MATERIALIZEDVIEW6.nonstrict7.MySQL（默认推荐，Derby为开发用）8.UNBOUNDEDFOLLOWING9.LZO（或BZip2）10.TEMPORARYVIEW三、判断题答案1.√解析：支持混合分区，如静态dt='2024-01-01'+动态hour。2.×解析：reduce数量可调整，非必须等于分桶数。3.×解析：UDAF可接收多个输入参数，如SUM(col1,col2)。4.√解析：CTE支持嵌套，如WITHcte1AS(...)WITHcte2AS(SELECTFROMcte1)。5.×解析：普通视图不存储数据，物化视图存储。6.√解析：Hive3.x引入ACID事务表。7.×解析：临时表仅当前会话可见。8.×解析：无ORDERBY时窗口框架为所有行，结果可能不符合预期。9.√解析：ORC内置stripe/row索引，快速定位数据块。10.×解析：需设置hive.exec.dynamic.partition=true开启。四、简答题答案1.动态分区与静态分区区别：静态分区需手动指定分区值（如dt='2024-01-01'），一次插入一个分区；动态分区由数据列值自动生成，一次插入多个分区。适用场景：静态分区适用于分区值固定、数量少的场景（如按省份）；动态分区适用于分区值动态变化、数量多的场景（如按日期+小时）。2.窗口函数核心作用：不改变原表结构，对窗口内数据跨行计算（聚合、排名等）。常用函数：①SUM()/AVG()：窗口内总和/平均值；②RANK()/DENSE_RANK()：排名（RANK跳跃，DENSE_RANK连续）；③ROW_NUMBER()：唯一序号；④LAG()/LEAD()：取前/后N行值。3.UDF（输入一行输出一行）：单条数据转换（如字符串拼接）；UDAF（输入多行输出一行）：分组聚合（如自定义求和）；UDTF（输入一行输出多行）：复杂类型拆分（如数组转多行）。4.优化策略：①分区分桶：按高频查询维度分区，分桶减少扫描；②数据压缩：Snappy等减少IO；③执行计划优化：EXPLAIN分析，小表Join在前；④引擎优化：切换Tez/Spark提高效率；⑤索引优化：ORC内置索引加速查询。五、讨论题答案1.分区设计原则：①高频查询维度优先（如电商按dt=日期）；②粒度适中（避免分区过多导致元数据膨胀）；③结合业务（如按店铺ID+日期）。举例：电商按dt和store_id分区，查询仅扫描对应分区，减少数据量。注意避免按秒分区等过细粒度。2.应用场景：①TopN（每个部门工资前三）：SELECTdept_id,emp_name,ROW_NUMBER()OVER(PARTITIONBYdept_idORDERBYsalaryDESC)ASrankFROMempWHERErank<=3；②累计销售额（每日累计本月）：SELECTdt,SUM(sale_amount)OVER(PARTITIONBYmonth(dt)ORDERBYdt)AScumulativeFROMsales。逻辑：按分组排序后计算排名/累计，无需子查询。3.集成优势：①Spark引擎效率高（内存计算、DAG调