前言：

每一個表或者分割槽，hive都可以進一步組織成桶，桶是更細粒度的資料劃分，他本質不會改變表或分割槽的目錄組織方式，他會改變資料在檔案中的分佈方式。

分桶規則：對分桶欄位值進行雜湊，雜湊值除以桶的個數求餘，餘數決定了該條記錄在哪個桶中，也就是餘數相同的在一個桶中。
   　　桶為表加上額外結構，連結相同列劃分了桶的表，可以使用map-side join更加高效。

優點：1、提高join查詢效率 2、提高抽樣效率

1、建表

通過 clustered by(欄位名) into bucket_num buckets 分桶，意思是根據欄位名分成bucket_num個桶

create table
 
 test_bucket (
id int comment 'ID', 
name string comment '名字'
)
comment '測試分桶'
clustered by(id) into 4 buckets
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

2、插入資料

2.1 資料

buckt_data.txt

1,name1
2,name2
3,name3
4,name4
5,name5
6,name6
7,name7
8,name8
9,name9

2.2 load data

直接load data不會有分桶的效果，這樣和不分桶一樣，在HDFS上只有一個檔案。

load data local inpath '/opt/test/buckt_data.txt' into table test_bucket;

需要藉助中間表

create table text_bucket_test (
id int comment 'ID', 
name string comment '名字'
)
comment '測試分桶中間表'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' ;

先將資料load到中間表

load data local inpath '/opt/test/buckt_data.txt' into table text_bucket_test;
 

然後通過下面的語句，將中間表的資料插入到分桶表中，這樣會產生四個檔案。

insert into test_bucket select * from text_bucket_test;

然後我們檢視分桶表的資料目錄，發現好像也只有一個檔案，並沒有按之前的4個檔案，也就是4個桶這樣來劃分。

分桶也就是分割槽，分割槽數量等於檔案數，所以上面方法並沒有分桶。

所以需要開啟強制分桶：

set hive.enforce.bucketing = true;   開啟強制分桶

重新匯入資料：

insert into  test_bucket  select *  from text_bucket_test;

發現組織檔案的有變化：

3.1 檢視結果

用sql看和用hadoop命令看每個檔案，結果每個桶內都是按id升序排序的，也就是和最開始的截圖是一樣的

3.2 好處

因為每個桶內的資料是排序的，這樣每個桶進行連線時就變成了高效的歸併排序