結(jié)構(gòu)化，半結(jié)構(gòu)化，非結(jié)構(gòu)化數(shù)據(jù)總結(jié)

前言：

• Hive可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供類SQL查詢功能。在學(xué)習(xí)Hive之前 我們先了解下結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)的區(qū)別。

  1.結(jié)構(gòu)化數(shù)據(jù)

• 結(jié)構(gòu)化的數(shù)據(jù)是指可以使用關(guān)系型數(shù)據(jù)庫表示和存儲，表現(xiàn)為二維形式的數(shù)據(jù)。一般特點是：數(shù)據(jù)以行為單位，一行數(shù)據(jù)表示一個實體的信息，每一行數(shù)據(jù)的屬性是相同的。舉一個例子：

  id      name    age     gender
  1       lyh     12      male
  2       liangyh 13      female
  3       liang   18      male

• 所以，結(jié)構(gòu)化的數(shù)據(jù)的存儲和排列是很有規(guī)律的，這對查詢和修改等操作很有幫助。但是，顯然，它的擴(kuò)展性不好（比如，我希望增加一個字段，怎么辦？）。

  2.半結(jié)構(gòu)化數(shù)據(jù)

• 半結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)的一種形式，它并不符合關(guān)系型數(shù)據(jù)庫或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來的數(shù)據(jù)模型結(jié)構(gòu)，但包含相關(guān)標(biāo)記，用來分隔語義元素以及對記錄和字段進(jìn)行分層。因此，它也被稱為自描述的結(jié)構(gòu)。
  半結(jié)構(gòu)化數(shù)據(jù)，屬于同一類實體可以有不同的屬性，即使他們被組合在一起，這些屬性的順序并不重要。
  常見的半結(jié)構(gòu)數(shù)據(jù)有XML和JSON，對于對于兩個XML文件，第一個可能有

  <person>
  <name>A</name>
  <age>13</age>
  <gender>female</gender>
  </person>

  第二個可能為：

  <person>
  <name>B</name>
  <gender>male</gender>
  </person>

• 從上面的例子中，屬性的順序是不重要的，不同的半結(jié)構(gòu)化數(shù)據(jù)的屬性的個數(shù)是不一定一樣的。有些人說半結(jié)構(gòu)化數(shù)據(jù)是以樹或者圖的數(shù)據(jù)結(jié)構(gòu)存儲的數(shù)據(jù)，怎么理解呢？上面的例子中，<person>標(biāo)簽是樹的根節(jié)點，<name>和<gender>標(biāo)簽是子節(jié)點。通過這樣的數(shù)據(jù)格式，可以自由地表達(dá)很多有用的信息，包括自我描述信息（元數(shù)據(jù)）。所以，半結(jié)構(gòu)化數(shù)據(jù)的擴(kuò)展性是很好的。

  3.非結(jié)構(gòu)化數(shù)據(jù)

• 顧名思義，就是沒有固定結(jié)構(gòu)的數(shù)據(jù)。各種文檔、圖片、視頻/音頻等都屬于非結(jié)構(gòu)化數(shù)據(jù)。對于這類數(shù)據(jù)，我們一般直接整體進(jìn)行存儲，而且一般存儲為二進(jìn)制的數(shù)據(jù)格式。

參考：https://blog.csdn.net/liangyihuai/article/details/54864952