Hive 分桶及抽样查询

一.分桶表数据存储
分区针对的是数据的 存储路径；分桶针对的是 数据文件。
分区提供一个隔离数据和优化查询的便利方式，不过并非所有的数据集都能形成合适的分区，特别是之前提到过的要确定合适的划分大小这个顾虑。
分桶是将数据集分解成更容易管理的若干个部分。

1. 先创建分桶表，通过直接导入数据文件的方式
   （1）数据准备
   
   （2）创建分桶表
   
   （3）加载数据
   
   数据如下：
   
   但像这样直接把文件 load 到指定目录是不能给你分成四个文件的，想想都不可能，这是加载方式的问题。
2. 通过 select * 一张表来插入数据
   （1）我这里又创建了一张表用来那什么

然后把 stu_buck_extra 中的数据 select * 之后插入到 stu_buck 中，前提是要加入以下参数：

然后就成功了哈：

当然你也可以直接设置全局设置，下次就直接插就完事了。
tip:你 select * 这个文件，它是按照上图文件顺序依次读的。

二.分桶表抽样查询
分桶表自然不能像分区表一样通过 where 语句来查询，因为分桶表分的是数据文件，分区表分的是文件目录。
语句如下：

select  * from tablename tablesample(bucket x out of y);

其中，x 代表你从哪个桶开始取数据，hive 根据 y 的大小来决定抽样的比例。


这里思考为什么 x 的值必须小于等于 y?