Hive输入任务划分

Hive通过MapReduce来实现任务的输入划分，MapReduce将用户提交的任务分解成多个Map和Reduce任务，每个Map任务负责一个文件的数据读取和转换，每个Reduce任务负责多个Map任务的输出结果的合并。在Map任务中，Hive会根据文件的物理位置和大小，将文件划分成多个分片，每个分片会被一个Map任务处理，每个Map任务会读取分片中的数据，并将数据转换成key-value对的形式，然后将key-value对输出到Reduce任务中。

Spark SQL输入任务划分

Spark SQL也是通过MapReduce来实现任务的输入划分，但是Spark SQL的MapReduce框架与Hive的有所不同，Spark SQL采用的是全局分区的方式，也就是说，Spark SQL会将文件划分成多个分区，每个分区会被一个Map任务处理，每个Map任务会读取分区中的数据，并将数据转换成key-value对的形式，然后将key-value对输出到Reduce任务中。

比较

从上面的描述可以看出，Hive和Spark SQL在输入任务划分上的实现方式有所不同，Hive采用的是分片的方式，将文件划分成多个分片，每个分片会被一个Map任务处理；而Spark SQL采用的是全局分区的方式，也就是说，Spark SQL会将文件划分成多个分区，每个分区会被一个Map任务处理。