浅谈bucket x out of y on condition

首先，我们先来理解"X"表达的是什么 

       这里的"x"表达的是在把原本的桶分成 y 份后的顺序的第 x 个，来个简单的例子：例如有个表被分成了4个buckets，那么这个时候运行 bucket 1 out of  4 on id(我们暂时默认以id分)，这句话表示就是把原本的buckets分成4份，取第一份的数据，即取第一桶的数据。到这里只是最简单的形式。

然后我们来看"Y" 表达的是什么

此时可以分为两类：1.Y>buckets的数目    2.Y<buckets的数目

结合x一起来看第一种情况：假设buckets数目有4个，Y=8,x=2

那么这时候很明显只有4个不够8个，这时候它会切分成8份，简单来说会把每一个bucket平均分成两份。下面重点来了，这8个会怎么排序呢？ (我简单的画个草图）

他会形成A1，B1 , C1 , D1 , A2 , B2 , C2 , D2以这样的顺序排序。

可以进行验证的：例如我用bucket 1 out of 4 on id,结果如下（我的表用id分成了4个桶）

 

 

可以看到（截取出来的一个字段信息），很明显这是第一个桶内的信息（参考我上面开头刚说的）

employee_id_buckets3.employee_id  
-----------------------------------
124                                            |
120                         
116                         
112 
108                        
104                            
100   

如果我用bucket 5 out of 8 on id 时，结果如下：

employee_id_buckets3.employee_id  
-----------------------------------
124                                            |
116                         
108                        
100   

这里可以看出这是第一个桶内的部分信息。

再来看看我刚刚用的两条命令

select * from employee_id_buckets3 tablesample(bucket 1 out of 4 on employee_id);
select * from employee_id_buckets3 tablesample(bucket 5 out of 8 on employee_id);

一对比，效果很显然，A2在分成8份时，排序时第五位。

结合x一起来看第二种情况：假设buckets数目有4个，Y=2,x=2

如果你上面搞懂了，这个就很简单了。

这时候bucket会合成2份，也就是参数Y的值。那么这时候要明白他是如何分的：如果我们把4个桶编号成A,B,C,D,

那么会他会从前往后分发，先把份数满足，然后多的，在从头分发，所以形成了AC,BD两份

select * from employee_id_buckets3 tablesample(bucket 1 out of 2 on employee_id);

他会取第一个桶内的数据。就是AC两个桶的数据。