hive分桶？

为什么80%的码农都做不了架构师？>>>   

  桶是更细力度的划分，把表划分为桶的理由：

1.取样更高效。具体划分桶是按值进行hash，然后除以桶的个数取余，任何一个桶内都是一个随机划分的用户集合。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。

2.获得更高的查询处理效率。桶为表加上了额外的结构，Hive在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用Map端连接（Map-side join）高效的实现。处理左边表的某个桶的mapper就知道右边表内相匹配的行在对应的桶，这样mapper直接就可以在对应的右边表的桶获取数据进行join。并不一定要求两个表必须有相同的桶个数，倍数关系也可以。

  具体划分桶是将值进行hash，然后除以桶的个数取余。

转载于:https://my.oschina.net/134596/blog/1799003