一、分桶表的创建

1. 原始分桶表

   create table test_tb_f
   (
       id     int,
       name   string,
       age    int,
       gender string
   ) row format delimited
       fields terminated by ',';
   

2. 创建分桶表

   create table test_tb_ft(
       id int,
       name string,
       age int,
       gender string
   )clustered by (gender) sorted by (age desc ) into 2 buckets ;
   

3. 将原始数据中的数据进行分桶操作，本质是将原始数据表中的某个字段进行平均分配

   insert into test_tb_ft select * from python.test_tb_f;
   

二、分桶计算过程

• 指定了分桶字段gender，在分桶时，会对gender下的数据进行hash计算，再将计算的数据结果除以分桶数取模，余数相同的数据放在同一分桶目录下

三、分桶表和分区表的区别

• 分区表是对数据类型的划分，目的是将数据按照时间、地域进行整体数据划分，每个分区对应的是一个目录，可以进行多层分区，在分区目录下存放分区后的数据文件
• 分桶是对已有的数据按照字段进行一个分组操作，分桶的数据是一个文件，分桶的数据不能再次分桶
• 分区的数据可以使用分桶再次按照字段划分
• 分区和分桶都是优化查询的一种方式，并不是创建表的必要条件