Hive 中所有的数据都存储在HDFS 中，共包含4 种数据模型：Table（表）、ExternalTable（外部表）、Partition（分区）和Bucket（桶）。

1. Table

类似于传统数据库中的表，在Hive 中对于数据的管理与维护是利用表的形式实现的。Hive 表在逻辑上有两部分组成，第一部分是真实数据，第二部分为描述表格中数据形式的元数据。在物理实现上，Hive 的每个表的数据将存储在一个HDFS 文件目录下，而描述表数据形式的元数据，Hive 将其存储在关系型数据库中。

Hive 数据表中的类型可以是int、float、String、Data、Boolean 等基础类型，也可以是list，map 等复合类型。Hive 表在HDFS 中有固定的位置，通常被放置在HDFS的/user/hive/warehouse 目录下。例如，有一个表students，那么在HDFS 中会创建/user/hive/warehouse/students 目录，并在该目录下存放数据。

2. ExternalTable

指向一个已经存储在HDFS 文件中、并具有一定格式的数据，是在实际生产环境下最常用的一种方式，优点是不用重复加载数据。Hive 中的外部表和表很类似，但是其数据不是放在Hive 指定的目录中，而是存放在别处。如果要删除外部表，该外部表所指向的数据不会被删除，只会删除外部表对应的元数据；而如果要删除表，该表中的数据和元数据都会被删除。(www.daowen.com)

3. Partition

类似于传统数据库中划分列的索引。在Hive 中，表中的一个Partition 对应于表下的一个子目录，所有的Partition 数据都存储在对应的子目录中。例如：students表中包含department 和professional 两个Partition， 则对应于department=software，professional=database 的HDFS 子目录为：/user/hive/warehouse/students/department=software/professional=database，所有属于这个分区的数据都存放在这个子目录中。

4. Bucket

对指定的列计算其hash，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中，每一个Bucket 对应一个子目录。如将students 列分数至4 个Bucket 上，首先对department 列的值计算hash，比如，对应hash=0 的目录为：/user/hive/warehouse/students/department =software/professional=database/part-00000；对应hash=4 的目录为：/user/hive/warehouse/ students/department=software/professional=database/part-00004。