常用的几种格式：
textfile
需要定义分隔符，占用空间大，读写效率最低，非常容易发生冲突（分隔符）的一种格式，基本上只有需要导入数据的时候才会使用，比如导入csv文件；
json
需要导入jar，http://www.congiu.net/hive-json-serde/，占用空间最大，读写效率低，基本上只有需要导入数据的时候才会使用，比如导入json文件；
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
STORED AS TEXTFILE
orc
列式存储，占用空间最小，非常适合用来做数仓；
parquet
列式存储，占用空间居中，如果后期使用spark来处理，parquet是最佳格式；
相同数据规模（1700w行）和查询条件（count+distinct+where+group by）下，4种格式的存储（不启用压缩）和查询效率如下：
|
|
txt
|
json
|
orc
|
parquet
|
|---|---|---|---|---|
| 数据大小 | 2.7G | 3.4G | 149.6M | 702.7M |
| hive数据写入时间 | 148s | 122s | 206s | 39s |
| hive查询 | 32s | 49s | 35s | 37s |
| spark查询 | 12s | 22s | 12s | 8s |
为什么spark对parquet支持更好，可以通过查看执行计划，在查询txt、json、orc表的时候，使用的是HiveTableScan，在查询parquet表时，使用的是FileScan parquet，原因就是这个特殊的优化；