5.9 桶表(bucket)

桶表和分区表有类似的地方，都是将数据文件划分到不同的地方存储。不同的是，分区表是由用户指定数据处处的位置。而桶表是根据数据表的某个字段去hash值，然后模桶的数量，最终放到其中一个桶中，但是最终放到哪一个桶中，用户是不知道的。

创建桶表

create table bucket_table(id string) clustered by(id) into 4 buckets;

往桶表中加载数据

往桶表中加载数据不能再使用LOAD DATA 的方式，要采取以下的方式：

set hive.enforce.bucketing = true;
#有可能花些时间
insert into table bucket_table select name from multi_clumns_table;
insert overwrite table bucket_table select name from stu;

在HDFS的查看文件,如命令行所示，创建了4个bucket。

抽样检查

#抽样检查
select * from bucket_table tablesample(bucket 1 out of 4 on id);

tablesample是抽样语句，语法：TABLESAMPLE(BUCKET x OUT OF y)

y必须是table总bucket数的倍数或者因子。hive根据y的大小，决定抽样的比例。例如，table总共分了64份，当y=32时，抽取 (64/32=)2个bucket的数据，当y=128时，抽取(64/128=)1/2个bucket的数据。x表示从哪个bucket开始抽取。例 如，table总bucket数为32，tablesample(bucket 3 out of 16)，表示总共抽取（32/16=）2个bucket的数据，分别为第3个bucket和第（3+16=）19个bucket的数据