因为hive存放的数据是没有索引的,如果没有建立分区直接查询,hive就会暴力查询,效

### 回答1：
Hive是基于Hadoop的数据仓库工具，用于处理大规模数据。Hive中存放的数据是以表的形式组织的，并且默认情况下是没有索引的。没有索引意味着在查询数据时，Hive需要对整个数据集进行暴力查询，这会导致查询效率低下。

在Hive中建立分区可以提高查询效率。分区将数据按照一定的规则划分为更小的子集，例如按照时间、地区等维度进行划分。这样，当进行查询时，Hive只需要扫描相关分区的数据，而不必对整个数据集进行全局扫描。这大大减少了查询的时间和资源消耗，提高了查询效率。

如果没有建立分区直接查询，Hive需要对整个数据集进行扫描。由于Hive通常处理的是大规模数据，全局扫描会导致查询花费大量的时间和计算资源，效率非常低。此外，在没有索引的情况下，Hive无法直接定位到所需数据，需要进行全表遍历，导致查询延迟增加。

因此，在使用Hive进行数据查询时，建议根据数据的特点和查询需求，合理地建立分区。通过划分分区，可以充分利用Hive的并行计算能力，提高查询效率，减少查询时间和资源消耗。

### 回答2：
Hive是一种建立在Hadoop之上的数据仓库工具，用于处理大规模数据集。它的设计目标是支持数据的批量处理和分析，而不是实时查询和交互式应用。因此，在Hive中存放的数据一般都是以文件的形式存储在分布式文件系统中，比如HDFS。

由于Hive存放的数据是以文件的形式存储，并且没有索引，所以在没有建立分区的情况下直接进行查询时，Hive只能进行全表扫描来获取需要的数据。这种方式被称为暴力查询，因为它需要检查每一行数据以满足查询条件，而没有任何优化方法。

暴力查询的效率非常低下，特别是当数据规模非常大时。由于需要遍历整个数据集，查询耗费的时间会非常长，甚至超出可接受的范围。因此，在使用Hive进行查询时，建立合适的分区是非常重要的。

通过建立分区，可以将数据按照特定的字段进行划分，将相同属性的数据放在同一个分区中。这样，在查询时只需要扫描部分分区，而不是整个数据集，大大提高了查询效率。类似于在关系型数据库中创建索引，分区相当于在Hive中的数据中引入了一种逻辑上的索引。

综上所述，由于Hive存放的数据没有索引，如果没有建立分区直接进行查询，Hive只能进行暴力查询，效率低下。因此，合理建立分区是提高Hive查询效率的重要手段。

### 回答3：
Hive是一种基于Hadoop的数据仓库工具，它将数据存储在Hadoop分布式文件系统(HDFS)中。Hive提供了类似于SQL的查询语言，允许用户对存储在HDFS中的大规模结构化数据进行查询和分析。

Hive中的数据存放方式通常是以表的形式组织，表是由一系列行和列组成的数据集合。然而，由于在HDFS中存储的数据没有索引，如果没有建立分区来对数据进行组织，Hive执行查询时就会进行暴力查询。

暴力查询是指对整个数据集进行全表扫描，无论查询条件是否与数据的特定子集匹配。由于没有索引来加速查询过程，暴力查询的效率往往比较低下，尤其是对于大规模的数据集。

建立分区是一种将数据按照指定的列进行拆分和组织的方法。通过在表中建立分区，可以将数据按照不同的分区键值进行划分，并为每个分区分配独立的存储路径。这样，在执行查询时，Hive只需扫描与查询条件匹配的特定分区，而不是整个数据集，从而大大提高了查询效率。

建立分区除了可以提高查询效率外，还能够提供更好的数据管理和组织能力。通过合理的分区设计，可以将数据按照时间、地区、类别等进行拆分，使得数据的查询和分析更加灵活和高效。

因此，为了提高Hive查询的效率，建议在存储大规模数据时，根据具体情况建立合适的分区来组织数据。这样可以避免暴力查询，提高查询效率，同时也可以提供更好的数据管理和组织能力。