【分桶概述】
Hive表分割槽的實質是分目錄（將超大表的資料按指定標準細分到指定目錄），且分割槽的欄位不屬於Hive表中存在的欄位；分桶的實質是分檔案（將超大檔案的資料按指定標準細分到分桶檔案），且分桶的欄位必須在Hive表中存在。
分桶的意義在於：
- 可以提高多表join的效率（因為通過分桶已經將超大資料集提取出來了。假如原資料被分了4個桶，此時2表join的時候只需要讀取符合條件的一個分桶，則理論上效率可提升4倍）
- 加速資料抽樣的效率（理由同上，只需要按照指定規則抽取指定分桶的資料即可，不需要掃描全表）
需要Hive表分桶的時候，我們可以注意到Reduce的任務數量 = 分桶的數量，也就是最終產生的分桶檔案的個數，因為分桶表就是通過MapReduce任務計算而來。由此可見，其實桶的概念就是MapReduce的分割槽的概念，兩者完全相同。
分桶表取樣語法的核心：
select * from tableName tablesample(bucket x out of y on colum)。其中：
x：表示從第x個桶中抽取資料
y：表示每y個桶中抽取一次資料（必須是分桶數量的倍數 or 因子）
【用法簡介】
1.開啟支援分桶
set hive.enforce.bucketing=true; -- 預設：false --
設定為 true 之後，mr 執行時會根據 bucket 的個數自動分配 reduce task的個數。
當然，使用者也可以通過 mapred.reduce.tasks 自己設定 reduce 任務個數，但分桶時不推薦使用。注意：一次作業產生的桶（檔案數量）和 reduce task 個數一致）
2.往分桶表中載入資料
/* 往分桶表中插入資料的語法類似下面 */
insert into table bucket_table select columns from tbl; -- 全新插入 -- insert overwrite table bucket_table select columns from tbl; -- 覆蓋重寫 --
3.分桶表資料抽樣
/*
抽樣語法：TABLESAMPLE(BUCKET x OUT OF y)。其中：
x：表示從第x個桶中抽取資料
y：表示每y個桶中抽取一次資料（必須是分桶數量的倍數 or 因子）
*/
select * from bucket_table tablesample(bucket 1 out of 4 on columns);
【用法舉例】
1. 假設本地檔案 /root/hivedata/ft 中有以下內容：
zhang 12
lisi 34
wange 23
zhouyu 15
guoji 45
xiafen 48
yanggu 78
liuwu 41
zhuto 66
madan 71
sichua 89
2. 新建Hive常規表並匯入本地檔案：
hive> CREATE TABLE ft( id INT, name STRING, age INT)
> ROW FORMAT DELIMITED FIELDS TERMINATED BY'\t';
OK
Time taken: 0.216 seconds hive> load data local inpath'/root/hivedata/ft' into table ft;
Loading data to table hehe.ft
Table hehe.ft stats: [numFiles=1, totalSize=127]
OK
Time taken: 1.105 seconds hive> select *from ft;
OK
1 zhang 12
2 lisi 34
3 wange 23
4 zhouyu 15
5 guoji 45
6 xiafen 48
7 yanggu 78
8 liuwu 41
9 zhuto 66
10 madan 71
11 sichua 89
NULL NULL NULL
Time taken: 0.229 seconds, Fetched: 12 row(s)
3. 建立分桶表：
hive> create table fentong(
> id int,
> name string,
> age int,)clustered by(age) into 4 buckets -- 以欄位age來劃分成4個桶 --
> row format delimited fields terminated by ',';
每行資料具體落入幾號分桶的規則如下：
- 用表中指定的欄位值(比如age)來除以桶的個數4；
- 結果取餘數，也就是求模（若餘數為0就放到1號桶，餘數為1就放到2號桶，餘數為2就放到3號桶，餘數為3就放到4號桶）
4. 給分桶表匯入資料：
hive> insert into table fentong select name,age from ft;
5. 查詢分桶表資料以確認正確匯入：
hive> select * from fentong
6. 我們來看看分桶表的資料如何使用：
hive> select id, name, age from fentong tablesample(bucket 1 out of 4 on age);
OK
NULL NULL NULL
6 xiafen 48
1 zhang 12 hive> select id, name, age from fentong tablesample(bucket 2 out of 4 on age);
OK
11 sichua 89
8 liuwu 41
5 guoji 45 hive> select id, name, age from fentong tablesample(bucket 3 out of 4 on age);
OK
9 zhuto 66
7 yanggu 78
2 lisi 34