桶表的介绍
对于每一个表（table）或者分区，Hive 可以进一步组织成桶，也就是说，桶时更为细粒度的数据范围划分。Hive 也是针对某一列进行桶的组织。Hive 采用对列值哈希，然后除以桶的个数求余的方式决定记录存放在哪个桶当中。
把表或者分区组织成桶有两个理由：
（1）或者更高的查询处理效率。桶表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）相同列上划分了桶的表，可以使用Map 端链接 （ Map-side join ）高效的实现。比如join操作，对于join操作两个表有一个相同的列，如果对着两个表都进行了桶操作。那么将保存相同列值的桶进行join操作就可以，可以大大减少join数据量。
（2）使取样（sampling）更高效。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。
-- 设置分桶机制开启
set hive.enforce.bucketing=true;
set mapreduce.job.reduces=4;
-- 清空表数据
truncate table stu_buck;
create table stu_buck( Sno int,Sname string,Sex string,Sage int,Sdept string )
clustered by (Sno)
sorted by (Sno DESC)
into 4 buckets
row format delimited
fields terminated by ',';
-- 切记桶表加载数据不能使用 load方式，可以使用如下方式 从已有数据表中抽取
insert overwrite table stu_buck select * from stu_buck_ext distribute by sno sort by sno desc;桶表的使用技巧
-- 抽样调查
select * from stu_buck tablesample (bucket 1 out of 4 on sno);语法：TABLESAMPLE(BUCKET x OUT OF y)
y必须是table总bucket数的倍数或者因子。hive根据y的大小，决定抽样的比例.
如，table总共分了64份，当y=32时，抽取(64/32=)2个bucket的数据，当y=128时，抽取(64/128=)1/2个bucket的数据。x表示从哪个bucket开始抽取。例如，table总bucket数为32，tablesample(bucket 3 out of 16)，表示总共抽取（32/16=）2个bucket的数据，分别为第3个bucket和第（3+16=）19个bucket的数据。
