一、分桶

      分割槽針對的是資料的儲存路徑；分桶針對的是資料檔案，就相當於hadoop裡面的真正的分割槽。

      ★怎麼選擇桶？預設時對某一列進行hash，使用hashcode對 桶的個數求模取餘，確定哪一條記錄進入哪一個桶。分桶後，桶內有序，整體不一定有序。

      分割槽提供一個隔離資料和優化查詢的便利方式。不過，並非所有的資料集都可形成合理的分割槽，特別是之前所提到過的要確定合適的劃分大小這個疑慮。

       分桶是將資料集分解成更容易管理的若干部分的另一個技術。

       分桶的目的一部分也是為了抽樣調查

案例實操：

1、建立分桶表

create table stu_buk（id int,  name string）

clustered by(id)        #根據什麼分桶-----

into 4 buckets   #分幾個桶

row format delimited fields terminated by '\t';

2、匯入資料

1001    ss1
1002    ss2
1003    ss3
1004    ss4
1005    ss5
1006    ss6
1007    ss7
1008    ss8

hive (default)> load data local inpath '/opt/module/datas/student.txt' into table   stu_buck;

3、檢視建立的分桶表中是否分成4個桶

居然發現沒有4個桶？原因是分桶表是不能通過load上傳資料的，試想一下，資料上傳到hdfs上，這個過程怎麼識別分桶欄位，有怎麼取hash值呢

★綜上所述可得，分通表只能是使用insert select的方式

步驟：

（1）先建一個普通的stu表

（2）向普通的stu表中匯入資料

（3）匯入資料到分桶表，通過子查詢的方式

注意：做這些的前提是，reduce必須是隻有一個

所以必要時要設定：

二、抽樣查詢

對於非常大的資料集，有時使用者需要使用的是一個具有代表性的查詢結果而不是全部結果。Hive可以通過對錶進行抽樣來滿足這個需求。

查詢表stu_buck中的資料。

注：tablesample是抽樣語句，語法：TABLESAMPLE(BUCKET x OUT OF y) 。

y必須是table總bucket數的倍數或者因子。hive根據y的大小，決定抽樣的比例。例如，table總共分了4份，當y=2時，抽取(4/2=)2個bucket的資料，當y=8時，抽取(4/8=)1/2個bucket的資料。

x表示從哪個bucket開始抽取，如果需要取多個分割槽，以後的分割槽號為當前分割槽號加上y。例如，table總bucket數為4，tablesample(bucket 1 out of 2)，表示總共抽取（4/2=）2個bucket的資料，抽取第1(x)個和第3(x+y)個bucket的資料。

注意：x的值必須小於等於y的值，否則

會經常報：FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck，這是原因是x的值大於了y的值