Hive优化(1)——分桶采样

分桶（Bucketing）

分桶是将数据按照某个字段的哈希值进行分组存储的一种技术。它的原理是将数据按照指定字段的哈希值分成固定数量的桶，将每条记录分配到对应的桶中。分桶可以帮助优化特定类型的查询，例如连接查询和聚合操作，因为它可以将数据分布得更加均匀，减少数据倾斜，提高查询效率。

在Hive中创建分桶表时，需要使用CLUSTERED BY语句指定分桶字段，并且使用INTO语句指定桶的数量。例如：

CREATE TABLE bucketed_table ( column1 INT, column2 STRING, ... ) CLUSTERED BY (column1) INTO 4 BUCKETS;

use itcast;
create table tb_test(
    id int,
    name string
)
row format delimited fields terminated by ',';
insert into tb_test values
                        (1,'张三'),
                        (2,'李四'),
                        (3,'沙和尚'),
                        (4