Hive中的分区和桶

hive中的分区和桶

     Hive 把表组织成“分区” Partition。 这是一种根据“分区列”（Partition column，如日期）的值对表进行粗略划分的机制，使用分区可以加快数据分片（Slice）的查询速度

     表和分区可以进一步分为“桶”（Bucket）它会为数据提供额外的结果以获得更高效率的查询处理，例如，通过根据用户ID来划分桶，我们可以早所有用户集合的随机样本上快速计算基于用户的查询。

   下面以日志文件进行考虑，日志文件中的每条记录包含一个分区，我们一般根据日期来进行分区，同一天的记录会放在相同的区中。

   分区是在创建表的时候用partition by 子句定义的，该子句需要定义列的列表

   桶的话，可以把该表分成规定的几个部分，每个部分是根据制定的列取模来决定的  下面我们就是根据ts来对4取模决定桶的

如下：

在我们把数据加载到分区表的时候，要显示的指定分区值，比如我们在目录下面有一个文件   20140418GB.txt   里面有内容

我们将该数据加载到表logs中

现在来查看HDFS结构和里面的数据

我们在eclipse中查看

但是奇怪的是，进去里面的目录我们可以看到

这里并没有出现分桶，然后我们进行数据查找，以分桶的形式

结果如下

这个结果包括了所有三个文件中，符合要求的记录

我曾单独的使用过分桶，实验显示，如果单独分桶那么将会看见所分桶的各片，但是分区和分桶一起来的话，却只能看见分区的目录

我们是不是可以这样理解，当分区和分桶一起来时，分好的区是主流，我们可以看到分区中的目录，但是分的桶，我们不再看见，结构存在，只是不显示

而我们进行查找时，就可以用上了