Hive分区（Partition）和桶（Bucket）

介绍

HIve做为数据仓库，往往会存储大量数据。当数据量过大时，会大大降低查询和统计效率。为了解决这个问题提出了分区（Partition）概念，将数据按照一定的规则进行分区，这样需要读取数据时，就可以直接扫面某个分区下的数据，避免全表扫描，提高了查询统计效率。例如按照地区（省份）进行分区，北京地区数据会落到一个分区目录中，天津地区数据落到另一个分区目录中，当要查询北京/天津地区数据时，直接扫描北京/天津分区目录，大大缩短了查询时间。

分区表创建

分区表创建方式有两种，静态分区和动态分区。二者区别在于是否手动创建分区，静态分区需要在插入数据前使用add partition命令添加分区，动态分区只需要在插入数据insert命令中指定分区字段即可。因此在存在大量分区时使用动态分区比较方便，不需要手动创建这些分区。

create table test(id int, name string) partitioned by (year int);

注意：分区表创建时分区字段不需要单独做为column指定，只需要在partitioned by()中指定字段和类型即可，多个分区字段用“,”隔开

插入数据

数据插入成功后，会在warehouse（HDFS）上创建对应分区目录，例如/hive/warehouse/test/year=2020，/hive/warehouse/test/year=2019等分区目录。

静态分区

先手动添加分区

alter table test add partition(year=2020);

然后插入数据