请列举Hive中常用的数据文件存储格式，并说明不同格式之间的主要差异。

回答思路

1. 【回答框架 1】Hive常见的数据文件格式包括TextFile、SequenceFile、RCFile、ORC和Parquet。TextFile是默认格式，纯文本行存储，易于查看但压缩率和查询效率较低。
2. 【回答框架 2】SequenceFile是Hadoop的二进制格式，支持块级压缩，适合处理小文件，但查询性能一般。RCFile是列式存储的早期实现，能减少IO，但写入性能较差。
3. 【回答框架 3】ORC是RCFile的优化版，支持谓词下推、压缩率高，适合大规模数据分析。Parquet也是列式存储，与多种大数据组件兼容，尤其适合Spark和Impala。
4. 【回答框架 4】各格式的主要区别在于存储结构（行式vs列式）、压缩效率、查询性能和生态兼容性。列式格式（ORC、Parquet）通常查询更快，占用存储更小，但写入开销稍高。
5. 【回答框架 5】选择格式需考虑数据使用场景：若频繁全表扫描，行式格式简单直接；若需高效聚合分析，推荐列式格式（ORC或Parquet）。同时要兼顾与现有引擎的兼容性。
6. 【关键点 1】Hive支持TextFile、SequenceFile、RCFile、ORC、Parquet等格式。
7. 【关键点 2】列式存储格式（ORC、Parquet）在查询性能和压缩率上优于行式格式。
8. 【关键点 3】ORC和Parquet支持谓词下推，能减少扫描数据量。
9. 【关键点 4】特定格式可能依赖底层引擎支持，如Parquet在Spark生态更通用。
10. 【关键点 5】格式选择需权衡查询性能、写入开销和生态系统兼容性。
11. 【易错点 1】混淆存储格式与压缩方式：如TextFile可搭配压缩，但压缩不影响格式的存取方式。
12. 【易错点 2】错误认为所有格式都支持ACID或更新操作：仅部分格式（如ORC）可能支持事务表，但需额外配置。
13. 【易错点 3】忽略版本或环境差异：不同Hive版本对格式的支持和默认配置可能不同，应基于实际环境测试。