hive hash与bucketing关联

Hive中的哈希分桶（Hash Bucketing）是一种优化技术，用于提高查询性能和数据局部性。它与哈希分区（Hash Partitioning）有些相似，但它们的目的和实现方式略有不同。

1. 哈希分区（Hash Partitioning）： 哈希分区是根据某个列的值将数据分成不同的分区。在创建表时，可以使用PARTITIONED BY子句指定一个或多个分区列。Hive会根据这些列的哈希值将数据均匀地分布到各个分区中。这样，在查询时，Hive只需要扫描相关的分区，从而提高查询性能。

示例：

CREATE TABLE example_table (
  id INT,
  name STRING,
  age INT
) PARTITIONED BY (country STRING);

2. 哈希分桶（Hash Bucketing）： 哈希分桶是在哈希分区的基础上，进一步将每个分区分成更小的桶。在创建表时，可以使用CLUSTERED BY子句指定一个或多个分桶列，并使用SORTED BY子句指定一个排序列。Hive会根据这些列的哈希值将数据分布到不同的桶中，并在每个桶内对数据进行排序。这样，在查询时，Hive可以跳过不相关的桶，从而进一步提高查询性能。

示例：

CREATE TABLE example_table (
  id INT,
  name STRING,
  age INT
) CLUSTERED BY (id) SORTED BY (age);

总结：

• 哈希分区是根据某个列的值将数据分成不同的分区，提高查询性能。
• 哈希分桶是在哈希分区的基础上，进一步将每个分区分成更小的桶，并在每个桶内对数据进行排序，进一步提高查询性能。
• 两者都使用哈希函数将数据分布到不同的分区或桶中，但哈希分桶需要对数据进行排序。