繼續問題：What is the difference between partitioning and bucketing a table in Hive ?蜂巢桶vs分區
假設我們已通過Salary列對員工表進行分區。如果我們使用基於salary列的where子句中的條件從此表編寫select查詢，那麼查詢將運行得很快......因爲它只會從特定分區獲取細節。
但是，如果我們根據薪水欄和固定桶數設置相同的表格，而不是分區。那麼在這種情況下，如果我們編寫相同的查詢，我想知道該查詢如何從桶中受益？任何人都可以解釋嗎？
bucketing的一個用例是快速採樣數據。
試想一個表
CREATE TABLE employee(employeeId String, salary Double)
CLUSTERED BY(user_id) INTO 10 BUCKETS;
我們不是工資，而是由僱員分時段的，使得每個員工放在有點隨機分爲桶。我們可以說，統計上可能的是，薪資在各個桶中均勻分配。
如果我們想要找出平均工資，我們可以在桶的一個子集上運行這個查詢，這比在整個數據集上運行查詢要快，但給出了一個很好的近似值。
Select Average(salary) FROM employee TABLESAMPLE(BUCKET 1 OUT OF 10 ON employeeId);
正如mattinbits所說，如果您在員工ID而不是薪水上分流，分段將會更有用。
和水桶的數量可以保持在2像2,4,8,16,32電源...
要決定多少桶，你應該考慮在 數據量一個桶=（數據的總大小/桶的數量）<（應小於）內存大小。
並且當您在同一列上使用具有存儲桶的其他表的聯接時，使用與此表的存儲桶數相同或多個存儲桶的數量的存儲桶，則聯接會發生在存儲器中，或者可以說地圖邊加入，這是更快..
你應該選擇分區時，你會使用很多where子句，在同一列（分區列），一個很好的候選分區列可以是：狀態，城市，國家，年份，月份，部門，