我决定发表一个对@DuduMarkovitz给出的答案的补充。
为了使代码示例更简洁，让我们澄清STORED AS AVRO子句是以下三行的等价物：

ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED AS INPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'

让我们来看看当我们创建一个引用存储在hdfs中的avro schema的表时会发生什么。下面是schema：

{
  "namespace": "io.sqooba",
  "name": "user",
  "type": "record",
  "fields": [
    {"name": "id", "type": "int"},
    {"name": "name", "type": "string"}
  ]
}

我们使用以下命令创建表：

CREATE TABLE users_from_avro_schema
STORED AS AVRO
TBLPROPERTIES ('avro.schema.url'='hdfs:///user/tulinski/user.avsc');

Hive已经正确地推断出了schema，我们可以通过调用来看到：

hive> DESCRIBE users_from_avro_schema;
OK
id                      int
name                    string

Hive Metastore向我们展示了同样的情况（我使用@DuduMarkovitz的查询）：

+------------------------+-------------+-------------+-----------+
| tbl_name               | column_name | integer_idx | type_name |
+------------------------+-------------+-------------+-----------+
| users_from_avro_schema | id          |           0 | int       |
| users_from_avro_schema | name        |           1 | string    |
+------------------------+-------------+-------------+-----------+

到目前为止，一切都很好，一切都如我们所期望的那样。但是让我们看看当我们更新avro.schema.url属性以指向模式的下一个版本（users_v2.avsc）时会发生什么，如下所示：

{
  "namespace": "io.sqooba",
  "name": "user",
  "type": "record",
  "fields": [
    {"name": "id", "type": "int"},
    {"name": "name", "type": "string"},
    {"name": "email", "type": ["null", "string"], "default":null}
  ]
}

我们只是添加了另一个名为电子邮件的字段。
现在我们更新一个指向hdfs中avro模式的表属性：

ALTER TABLE users_from_avro_schema SET TBLPROPERTIES('avro.schema.url'='hdfs:///user/tulinski/user_v2.avsc');

表元数据是否已更改？

hive> DESCRIBE users_from_avro_schema;
OK
id                      int
name                    string
email                   string

是的，很酷！但是你希望Hive Metastore包含这个额外的列吗？

不幸的是，在Metastore中没有任何变化：

+------------------------+-------------+-------------+-----------+
| tbl_name               | column_name | integer_idx | type_name |
+------------------------+-------------+-------------+-----------+
| users_from_avro_schema | id          |           0 | int       |
| users_from_avro_schema | name        |           1 | string    |
+------------------------+-------------+-------------+-----------+

**我怀疑Hive有以下推断schema的策略：**它尝试从为给定表指定的SerDe类中获取schema。当SerDe无法提供schema时，Hive会查看元存储。

让我们通过删除avro.schema.url属性来检查：

hive> ALTER TABLE users_from_avro_schema UNSET TBLPROPERTIES ('avro.schema.url');
OK
Time taken: 0.33 seconds
hive> DESCRIBE users_from_avro_schema;
OK
id                      int
name                    string
Time taken: 0.363 seconds, Fetched: 2 row(s)

Describe向我们展示了存储在Metastore中的数据。让我们通过添加一列来修改它们：

ALTER TABLE users_from_avro_schema ADD COLUMNS (phone string);

这当然会改变Hive Metastore：

+------------------------+-------------+-------------+-----------+
| tbl_name               | column_name | integer_idx | type_name |
+------------------------+-------------+-------------+-----------+
| users_from_avro_schema | id          |           0 | int       |
| users_from_avro_schema | name        |           1 | string    |
| users_from_avro_schema | phone       |           2 | string    |
+------------------------+-------------+-------------+-----------+

但是当我们再次将avro.schema.url设置回user_v2.avsc时，Hive Metastore中的内容就不再重要了：

hive> ALTER TABLE users_from_avro_schema SET TBLPROPERTIES('avro.schema.url'='hdfs:///user/tulinski/user_v2.avsc');
OK
Time taken: 0.268 seconds
hive> DESCRIBE users_from_avro_schema;
OK
id                      int
name                    string
email                   string

Avro架构优先于元存储。
上面的例子表明，我们应该避免将hive模式更改与avro模式演化混合在一起，因为否则我们很容易陷入Hive元存储与阅读数据时使用的实际模式之间的混乱和不一致。第一个不一致发生在我们通过更新avro.schema.url属性来更改avro模式定义时，我还没有检查Hive的源代码，我对模式逻辑的怀疑是否正确，但是上面的例子说服了我下面发生了什么。
我扩展了我的答案，以表明即使Avro模式和Hive Metastore之间存在冲突，也可以读取符合Avro模式的数据。请再次查看我上面的示例。我们的表定义指向具有三个字段的Avro模式：

id    int
name  string
email string

而在Hive Metastore中有以下列：

id    int
name  string
phone string

电子邮件vs电话
让我们创建一个avro文件，其中包含一个符合user_v2.avsc模式的用户记录。这是它的json表示：

{
  "id": 123,
  "name": "Tomek",
  "email": {"string": "tomek@tomek"}
}

要创建avro文件，我们调用：

java -jar avro-tools-1.8.2.jar fromjson --schema-file user_v2.avsc user_tomek_v2.json > user_tomek_v2.avro

尽管Hive Metastore不包含email列，而是包含phone列，但我们仍然可以查询我们的表：

hive> set hive.cli.print.header=true;
hive> select * from users_from_avro_schema;
OK
users_from_avro_schema.id   users_from_avro_schema.name users_from_avro_schema.email
123 Tomek   tomek@tomek

以下是不涉及模式文件的用例

架构存储在两个位置
1.元存储
2.作为数据文件的一部分
DESC/SHOW命令的所有信息都取自元存储区。
每个DDL更改都只影响元存储区。
当您查询数据时，两个模式之间的匹配是通过列名完成的。
如果列类型不匹配，您将得到一个错误。

Demo

create table mytable 
stored as avro 
as 
select  1               as myint
       ,'Hello'         as mystring
       ,current_date    as mydate
;

select * from mytable
;

+-------+----------+------------+
| myint | mystring |   mydate   |
+-------+----------+------------+
|     1 | Hello    | 2017-05-30 |
+-------+----------+------------+

元数据商店

select      c.column_name
           ,c.integer_idx
           ,c.type_name

from                metastore.DBS        as d
            join    metastore.TBLS       as t on t.db_id = d.db_id
            join    metastore.SDS        as s on s.sd_id = t.sd_id
            join    metastore.COLUMNS_V2 as c on c.cd_id = s.cd_id

where       d.name     = 'local_db'
        and t.tbl_name = 'mytable'

order by    integer_idx

+-------------+-------------+-----------+
| column_name | integer_idx | type_name |
+-------------+-------------+-----------+
| myint       |           0 | int       |
| mystring    |           1 | string    |
| mydate      |           2 | date      |
+-------------+-------------+-----------+

avro-tools

bash-4.1$ avro-tools getschema 000000_0 

{
  "type" : "record",
  "name" : "mytable",
  "namespace" : "local_db",
  "fields" : [ {
    "name" : "myint",
    "type" : [ "null", "int" ],
    "default" : null
  }, {
    "name" : "mystring",
    "type" : [ "null", "string" ],
    "default" : null
  }, {
    "name" : "mydate",
    "type" : [ "null", {
      "type" : "int",
      "logicalType" : "date"
    } ],
    "default" : null
  } ]
}

alter table mytable change myint dummy1 int;

select * from mytable;

+--------+----------+------------+
| dummy1 | mystring |   mydate   |
+--------+----------+------------+
| (null) | Hello    | 2017-05-30 |
+--------+----------+------------+

alter table mytable add columns (myint int);

select * from mytable;

+--------+----------+------------+-------+
| dummy1 | mystring |   mydate   | myint |
+--------+----------+------------+-------+
| (null) | Hello    | 2017-05-30 |     1 |
+--------+----------+------------+-------+

元数据商店

+-------------+-------------+-----------+
| column_name | integer_idx | type_name |
+-------------+-------------+-----------+
| dummy1      |           0 | int       |
| mystring    |           1 | string    |
| mydate      |           2 | date      |
| myint       |           3 | int       |
+-------------+-------------+-----------+

avro-tools

(same schema作为原始schema）

bash-4.1$ avro-tools getschema 000000_0 

{
  "type" : "record",
  "name" : "mytable",
  "namespace" : "local_db",
  "fields" : [ {
    "name" : "myint",
    "type" : [ "null", "int" ],
    "default" : null
  }, {
    "name" : "mystring",
    "type" : [ "null", "string" ],
    "default" : null
  }, {
    "name" : "mydate",
    "type" : [ "null", {
      "type" : "int",
      "logicalType" : "date"
    } ],
    "default" : null
  } ]
}

针对该表的任何工作都是基于存储在Metastore中的元数据完成的。
查询表时，使用的是附加元数据，即数据文件中存储的元数据。
查询结果结构是从Metastore构造的（在我的示例中，表被更改后返回了4列）。
返回的数据取决于两个方案-文件方案中具有特定名称的字段将Map到Metastore方案中具有相同名称的列。
如果名称匹配但数据类型不匹配，则会出现错误。
数据文件中在元存储中没有对应列名的字段将不会显示。
Metastore中的列如果在数据文件模式中没有对应的字段，则将保存NULL值。

现在考虑到像Iceberg和Delta表这样的表格式，这可能有点过时了，因为它负责模式的更改和演变（这是AVRO开始的主要卖点）
结合Tomek和大卫的答案，是否可以得出结论，对于使用“存储为avro”创建的hive表，字段元数据是从3个不同的来源推断/引用/提取的
1.通过创建avro文件更新数据中的模式（参见Tomek的回答如何从JSON创建一个）
1.使用添加删除列更新配置单元元存储区
1.使用avro.schema.url属性更新avsc架构URL。这是可选的
以下是我对hive代码中不同操作所遵循的逻辑的解释（我会在了解更多信息时更新我的答案）：

1. select：数据中的schema优先，则仅当name匹配但datatype不匹配时才会引发配置单元元存储错误
   1.描述/显示：avsc架构URL优先，然后是配置单元元存储区
2. insert：数据中的明显模式;但对avsc模式URL进行了一些验证