向Hive外部表执行INSERT INTO是否会同步写入底层HDFS数据集？

当你对映射到HDFS路径/dev/customer/customer_main/的ORC格式Hive外部表customer_main执行INSERT INTO customer_main VALUES()语句时，插入的行数据会直接追加到该HDFS路径对应的数据集里，绝非仅局限在Hive表内部。

原因如下：

• Hive外部表的核心设计就是元数据与实际数据存储解耦：表本身只是Hive元数据中记录的一个映射关系，实际数据完全存储在你指定的HDFS路径中。
• INSERT INTO是追加写入操作，Hive会在/dev/customer/customer_main/路径下生成新的ORC数据文件（或根据配置追加到现有文件），数据直接落地到对应的HDFS目录，和你手动往该目录上传ORC文件的效果一致。

补充说明：外部表和内部表的核心差异在于删除操作——删除外部表只会清除Hive中的元数据记录，不会删除HDFS上的实际数据；而内部表删除时会同时删除元数据和对应HDFS路径的数据。但在写入数据时，两者都会将数据写入到各自关联的HDFS路径中，外部表就是写入你指定的/dev/customer/customer_main/。

内容的提问来源于stack exchange，提问作者Sudipto Dutta