请对比分析 Apache Iceberg 表和 Hive 表在数据管理能力上的主要差异，并说明这些差异对大数据存储和查询场景的影响。
考察说明
考查对 Iceberg 和 Hive 表在表格式、ACID、性能优化等方面差异的理解及应用场景认知。
回答思路
- 【回答框架 1】Iceberg 与 Hive 表的核心差异在于表格式：Hive 表元数据依赖 Hive Metastore，采用分区目录加文件的方式，不支持快照隔离，ACID 能力弱；Iceberg 则是一种开放表格式，元数据通过 manifest 清单管理，支持 ACID 事务、快照隔离和时间旅行。
- 【回答框架 2】在数据管理能力上，Hive 表通常按分区或桶组织，更新和删除操作成本高，常用于离线批处理；Iceberg 支持行级更新和删除（通过 Merge-on-Read 或 Copy-on-Write），并提供隐藏分区、分区演进等特性，使查询优化更灵活。
- 【回答框架 3】在查询性能方面，Iceberg 通过 manifest 文件统计信息进行分区裁剪和文件剪枝，减少了扫描数据量；Hive 主要依赖分区裁剪，对非分区列的过滤效果有限。Iceberg 还支持向量化读取和列级统计，适应性更强。
- 【回答框架 4】Iceberg 通过基于乐观锁的提交协议保证并发写入的隔离性，支持多个任务同时写数据而不会产生脏读，这一点与 Hive 表的传统直接写文件方式不同。适用上，Iceberg 更适合增量数据处理和数据湖上分析，Hive 则更适宜简单批量加载场景。
- 【关键点 1】Iceberg 提供 ACID 事务、快照隔离和时间旅行，Hive 表事务能力弱。
- 【关键点 2】Iceberg 元数据采用 manifest 清单管理，Hive 元数据依赖 Metastore 的分区目录结构。
- 【关键点 3】Iceberg 支持行级更新删除和隐藏分区，Hive 更新删除成本高。
- 【关键点 4】Iceberg 通过 manifest 实现高效文件裁剪，查询性能优于 Hive 分区裁剪。
- 【关键点 5】在数据湖场景中，Iceberg 适合增量处理，Hive 适合批量离线计算。
- 【易错点 1】不能将 Hive 无事务支持一概而论，Hive 自身也提供有限事务（如流式数据写入），但性能和语法限制较多。
- 【易错点 2】需要注意 Iceberg 与 Hive 版本兼容性，不同版本支持的功能可能有差异，应结合具体环境说明。
- 【易错点 3】应避免将 Iceberg 的 ACID 特性夸大为数据湖的完整治理能力（如数据质量和权限控制），它们并非同一概念。