Hive桶表操作
为了将表进行更细粒度的范围划分，我们可以创建桶表。桶表，是根据某个属性字段把数据分成几个桶（我们这里设置为4，默认值是-1，可自定义），也就是在文件的层面上把数据分开。下面通过一个案例进行桶表相关操作的演示。
首先，我们先开启分桶功能，命令如下所示。
hive> set hive.enforce.bucketing = true;
//由于HQL最终会转成MR程序，所以分桶数与ReduceTask数保持一致，
//从而产生相应的文件个数
hive> set mapreduce.job.reduces=4;其次，创建桶表，语法格式如下所示：
hive> create table stu_buck(Sno int,Sname string,
Sex string,Sage int,Sdept string)
clustered by(Sno) into 4 buckets
row format delimited fields terminated by ',';执行上述语句后，桶表stu_buck创建完成，并且以学生编号（Sno）分为4个桶，以“，”为分隔符的桶表。
再次，在HDFS的/stu/目录下已有结构化数据文件student.txt，我们需要将student.txt文件的复制到/hivedata目录下。然后，加载数据到桶表中，由于分桶表加载数据时，不能使用Load Data方式导入数据（原因在于该Load Data本质上是对数据文件进行复制或移动到Hive表所对应的地址中），因此在分桶表导入数据时需要创建临时的student表，该表与stu_buck表的字段必须一致，语法格式如下所示：
hive> create table student_tmp(Sno int,Sname string,
Sex string,Sage int,Sdept string)
row format delimited
fields terminated by ',';依次，加载数据至student表，语法格式如下所示：
hive> load data local inpath '/hivedata/student.txt'
into table student_tmp;最后，将数据导入stu_buck表，语法格式如下所示：
hive> insert overwrite table stu_buck
select * from student_tmp cluster by(Sno);按照步骤，执行上述语句，然后查看桶表stu_buck中的数据，效果如图1所示。
图1 stu_buck的数据
从图1中可以看出，数据已经按照学生编号（Sno）分为4桶。我们可以通过查看HDFS的WEB UI页面，效果如图2所示。
图2 分桶文件结构
在图2中，数据文件已经被分为四个文件，针对每桶的数据可以使用Hadoop命令去查看数据内容，具体命令如下所示：
$ hadoop fs –cat /user/hive/warehouse/itcast.db/stu_buck/000000_0执行上述命令，效果如图3所示。
图3 000000文件中的数据
在图3中，学生编号以分桶原理（分桶字段取Hash值与桶个数取模），将数据归并到一个文件中。
总体来说，分桶表是把表所映射的结构化数据分得更细致，且分桶规则与MapReduce分区规则一致，Hive采用对目标列值进行哈希运算，得到哈希值再与桶个数取模的方式决定数据的归并，从而看出Hive与MapReduce存在紧密联系。使用分桶可以提高查询效率，例如执行Join操作时，两个表有相同的列字段，如果对这两张表都采取了分桶操作，那么就可以减少Join操作时的数据量，从而提高查询效率。它还能够在处理大规模数据集时，选择小部分数据集进行抽样运算，从而减少资源浪费。
隐藏目录
