一、建表：分区分桶表，对日期分区，再对id分4个桶
create table t1(id int)
partitioned by (statis_date string)
clustered by(id)
into 4 buckets;
二、设置强制分桶
set hive.enforce.bucketing=true;
三、执行插入语句，插入1到8这几个id
insert into t1 partition(statis_date='20211101')
select * from (
select 1 id union all
select 2 id union all
select 3 id union all
select 4 id union all
select 5 id union all
select 6 id union all
select 7 id union all
select 8 id ) tmp
cluster by id;
四、效果
可以看到当前已经自动分成4个文件，符合4个桶的设置。
查看文件0，可以看到分别是4和8，也就是对4和8进行哈希散列后得到相同的值。
五、表抽样
-- 语法：
select columns from table tablesample(bucket x out of y on column);
-- x：表示从第几个分桶进行抽样
-- y：表示每隔几个分桶取一个分桶，必须为y的整数倍或者因子
例如下面从对表从桶1开始查，每次间隔1个桶，得到桶1和桶3的全部数据：
select id,statis_date from t1 tablesample(bucket 1 out of 2 on id);
其中id的值4和8是分桶1的，2和6是分桶3的。
六、作用
1、抽样查询
2、map-side join，两个对相同字段做了同样分桶规则的表关联，可以实现在map端join，提高效率。
3、控制文件数量
