為了對錶進行合理的管理以及提高查詢效率，Hive可以將表組織成“分割槽”。

　 分割槽是表的部分列的集合，可以為頻繁使用的資料建立分割槽，這樣查詢分割槽中的資料時就不需要掃描全表，這對於提高查詢效率很有幫助。

    分割槽是一種根據“分割槽列”（partition column）的值對錶進行粗略劃分的機制。Hive中的每個分割槽對應資料庫中相應分割槽列的一個索引，每個分割槽對應著表下的一個目錄，在HDFS上的表現形式與表在HDFS上的表現形式相同，都是以子目錄的形式存在。

　　一個表可以在多個維度上進行分割槽，並且分割槽可以巢狀使用。建分割槽需要在建立表時通過PARTITIONED BY子句指定，例如：

CREATE TABLE logs(
timestamp BIGINT,
line STRING
)
PARTITIONED BY (date STRING,country STRING);

　　在將資料載入到表內之前，需要資料載入人員明確知道所載入的資料屬於哪一個分割槽。

　　使用分割槽在某些應用場景下能給有效地提高效能，當只需要遍歷某一個小範圍內的資料或者一定條件下的資料時，它可以有效減少掃描資料的數量，前提是需要將資料匯入到分割槽內。

　　注意：PARTITONED BY子句中定義的列是表中正式的列（分割槽列），但是資料檔案內並不包含這些列。

 在Hive裡，為什麼要分割槽?

       龐大的資料集可能需要耗費大量的時間去處理。在許多場景下，可以通過分割槽或切片的方法減少每一次掃描總資料量，這種做法可以顯著地改善效能。

資料會依照單個或多個列進行分割槽，通常按照時間、地域或者是商業維度進行分割槽。比如vido表，分割槽的依據可以是電影的種類和評級，另外，按照拍攝時間劃分可能會得到更一致的結果。為了達到效能表現的一致性，對不同列的劃分應該讓資料儘可能均勻分佈。最好的情況下，分割槽的劃分條件總是能夠對應where語句的部分查詢條件。

　　Hive的分割槽使用HDFS的子目錄功能實現。每一個子目錄包含了分割槽對應的列名和每一列的值。但是由於HDFS並不支援大量的子目錄，這也給分割槽的使用帶來了限制。我們有必要對錶中的分割槽數量進行預估，從而避免因為分割槽數量過大帶來一系列問題。

　　Hive查詢通常使用分割槽的列作為查詢條件。這樣的做法可以指定MapReduce任務在HDFS中指定的子目錄下完成掃描的工作。HDFS的檔案目錄結構可以像索引一樣高效利用。

Hive還可以把表或分割槽，組織成桶。將表或分割槽組織成桶有以下幾個目的：

　　第一個目的是為看取樣更高效，因為在處理大規模的資料集時，在開發、測試階段將所有的資料全部處理一遍可能不太現實，這時取樣就必不可少。

　　第二個目的是為了獲得更好的查詢處理效率。

　　      桶為了表提供了額外的結構，Hive在處理某些查詢時利用這個結構，能給有效地提高查詢效率。

　　      桶是通過對指定列進行雜湊計算來實現的，通過雜湊值將一個列名下的資料切分為一組桶，並使每個桶對應於該列名下的一個儲存檔案。

    在建立桶之前，需要設定hive.enforce.bucketing屬性為true，使得hive能識別桶。

　　以下為建立帶有桶的表的語句：

CREATE TABLE bucketed_user(
id INT,
name String
)
CLUSTERED BY (id) INTO 4 BUCKETS;

 　　向桶中插入資料，這裡按照使用者id分成了4個桶，在插入資料時對應4個reduce操作，輸出4個檔案。

分割槽中的資料可以被進一步拆分成桶，bucket，不同於分割槽對列直接進行拆分，桶往往使用列的雜湊值進行資料取樣。

在分割槽數量過於龐大以至於可能導致檔案系統崩潰時，建議使用桶。

　　桶的數量是固定的。

　　Hive使用基於列的雜湊函式對資料打散，並分發到各個不同的桶中從而完成資料的分桶過程。

　　注意，hive使用對分桶所用的值進行hash，並用hash結果除以桶的個數做取餘運算的方式來分桶，保證了每個桶中都有資料，但每個桶中的資料條數不一定相等。

　　雜湊函式的選擇依賴於桶操作所針對的列的資料型別。除了資料取樣，桶操作也可以用來實現高效的Map端連線操作。

 　　記住，分桶比分割槽，更高的查詢效率。

如何進行桶操作？

　　例子1

1、建立臨時表 student_tmp，並匯入資料。

hive> desc student_tmp;
hive> select * from student_tmp;

 2、建立 student 表。經過分割槽操作過後的表已經被拆分成2個桶。

create table student(
id int,
age int,
name string
)
partitioned by (stat_date string)
clustered by (id) sorted by(age) into 2 bucket
row format delimited fields terminated by ',';

 　分割槽中的資料可以被進一步拆分成桶！！！正確理解

　　所有，桶，先partitioned by (stat_date string)，再，clustered by (id) sorted by(age) into 2 bucket 

 3、設定環境變數。

hive> set hive.enforce.bucketing=true;

 4、插入資料

hive> from student_tmp
insert overwrite table student partition(stat_date='2015-01-19')
select id,age,name where stat_date='2015-01-18' sort by age;

 這都是固定的格式，一環扣一環的。

5、檢視檔案目錄
$ hadoop fs -ls /usr/hive/warehouse/student/stat_date=2015-01-19/

6、檢視 sampling 資料。
tablesample 是抽樣語句，語法如下
tablesample(bucket x out of y)
y 必須是 table 中 BUCKET 總數的倍數或者因子。 

例子2

　　在下面的例子中，經過分割槽操作過後的表已經被拆分成100個桶。

CREATE EXTERNAL TABLE videos_b(
prodicer string,
title string,
category string
)
PARTITIONED BY(year int)
CLUSTERED BY(title)INTO 100 BUCKETS;

　　現在，我們開始填充這張帶桶操作的表：

set hive.enfirce.bucketinig=true;
FROM videos
INSERT OVERWRITE TABLE videos_b
PARTITION(year=1999)
SELECT producer,title,string WHERE year=2009;

  如果不使用set hive.enforce.bucketing=true這項屬性，我們需要顯式地宣告set mapred.reduce.tasks=100來設定Reducer的數量。

此外，還需要在SELECT語句後面加上CLUSTERBY來實現INSERT查詢。

　　下面是不使用桶設定的例子：

set mapred.reduce.tasks=100;
FROM videos
INSERT OVERWRITE TABLE videos_b
PARTITION(year=1999)
SELECT producer,title,string WHERE year=2009 CLUSTER BY title;

在Hive的文件中可以找到有關桶的更多細節：

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL

網上有篇關於hive的partition的使用講解的比較好，轉載了：

一、背景

1、在Hive Select查詢中一般會掃描整個表內容，會消耗很多時間做沒必要的工作。有時候只需要掃描表中關心的一部分資料，因此建表時引入了partition概念。

2、分割槽表指的是在建立表時指定的partition的分割槽空間。

3、如果需要建立有分割槽的表，需要在create表的時候呼叫可選引數partitioned by，詳見表建立的語法結構。

二、技術細節

1、一個表可以擁有一個或者多個分割槽，每個分割槽以資料夾的形式單獨存在表文件夾的目錄下。

2、表和列名不區分大小寫。

3、分割槽是以欄位的形式在表結構中存在，通過describe table命令可以檢視到欄位存在，但是該欄位不存放實際的資料內容，僅僅是分割槽的表示。

4、建表的語法（建分割槽可參見PARTITIONED BY引數）：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path]

5、分割槽建表分為2種，一種是單分割槽，也就是說在表文件夾目錄下只有一級資料夾目錄。另外一種是多分割槽，表文件夾下出現多資料夾巢狀模式。

a、單分割槽建表語句：create table day_table (id int, content string) partitioned by (dt string);單分割槽表，按天分割槽，在表結構中存在id，content，dt三列。

b、雙分割槽建表語句：create table day_hour_table (id int, content string) partitioned by (dt string, hour string);雙分割槽表，按天和小時分割槽，在表結構中新增加了dt和hour兩列。

表文件夾目錄示意圖（多分割槽表）：

6、新增分割槽表語法（表已建立，在此基礎上新增分割槽）：

ALTER TABLE table_name ADD partition_spec [ LOCATION 'location1' ] partition_spec [ LOCATION 'location2' ] ... partition_spec: : PARTITION (partition_col = partition_col_value, partition_col = partiton_col_value, ...)

使用者可以用 ALTER TABLE ADD PARTITION 來向一個表中增加分割槽。當分割槽名是字串時加引號。例：

ALTER TABLE day_table ADD PARTITION (dt='2008-08-08', hour='08') location '/path/pv1.txt' PARTITION (dt='2008-08-08', hour='09') location '/path/pv2.txt';

7、刪除分割槽語法：

ALTER TABLE table_name DROP partition_spec, partition_spec,...

使用者可以用 ALTER TABLE DROP PARTITION 來刪除分割槽。分割槽的元資料和資料將被一併刪除。例：

ALTER TABLE day_hour_table DROP PARTITION (dt='2008-08-08', hour='09');

8、資料載入進分割槽表中語法：

LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE] INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]

例：

LOAD DATA INPATH '/user/pv.txt' INTO TABLE day_hour_table PARTITION(dt='2008-08- 08', hour='08'); LOAD DATA local INPATH '/user/hua/*' INTO TABLE day_hour partition(dt='2010-07- 07');

當資料被載入至表中時，不會對資料進行任何轉換。Load操作只是將資料複製至Hive表對應的位置。資料載入時在表下自動建立一個目錄，檔案存放在該分割槽下。

9、基於分割槽的查詢的語句：

SELECT day_table.* FROM day_table WHERE day_table.dt>= '2008-08-08';

10、檢視分割槽語句：

hive> show partitions day_hour_table; OK dt=2008-08-08/hour=08 dt=2008-08-08/hour=09 dt=2008-08-09/hour=09

三、總結

1、在 Hive 中，表中的一個 Partition 對應於表下的一個目錄，所有的 Partition 的資料都儲存在最字集的目錄中。

2、總的說來partition就是輔助查詢，縮小查詢範圍，加快資料的檢索速度和對資料按照一定的規格和條件進行管理。

——————————————————————————————————————

hive中關於partition的操作：
hive> create table mp (a string) partitioned by (b string, c string);
OK
Time taken: 0.044 seconds
hive> alter table mp add partition (b='1', c='1');
OK
Time taken: 0.079 seconds
hive> alter table mp add partition (b='1', c='2');
OK
Time taken: 0.052 seconds
hive> alter table mp add partition (b='2', c='2');
OK
Time taken: 0.056 seconds
hive> show partitions mp ;
OK
b=1/c=1
b=1/c=2
b=2/c=2
Time taken: 0.046 seconds
hive> explain extended alter table mp drop partition (b='1');
OK
ABSTRACT SYNTAX TREE:
  (TOK_ALTERTABLE_DROPPARTS mp (TOK_PARTSPEC (TOK_PARTVAL b '1')))

STAGE DEPENDENCIES:
  Stage-0 is a root stage

STAGE PLANS:
  Stage: Stage-0
      Drop Table Operator:
        Drop Table
          table: mp

Time taken: 0.048 seconds
hive> alter table mp drop partition (b='1');
FAILED: Error in metadata: table is partitioned but partition spec is not specified or tab: {b=1}
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask
hive> show partitions mp ;
OK
b=1/c=1
b=1/c=2
b=2/c=2
Time taken: 0.044 seconds
hive> alter table mp add   partition ( b='1', c = '3') partition ( b='1' , c='4');
OK
Time taken: 0.168 seconds
hive> show partitions mp ;
OK
b=1/c=1
b=1/c=2
b=1/c=3
b=1/c=4
b=2/c=2
b=2/c=3
Time taken: 0.066 seconds
hive>insert overwrite table mp partition (b='1', c='1') select cnt from tmp_et3 ;

hive>alter table mp add columns (newcol string);

location指定目錄結構
hive> alter table alter2 add partition (insertdate='2008-01-01') location '2008/01/01';

hive> alter table alter2 add partition (insertdate='2008-01-02') location '2008/01/02';