桶表基础概念

转载：https://blog.csdn.net/u010003835/article/details/80911215

https://blog.csdn.net/Samaritan_H/article/details/79090103

桶（SMB）

物理上，每个桶就是表(或分区）目录里的一个文件。
smb的设计是为了解决大表和大表之间的join的。简单的说下她的思想：大表化成小表，map side join 解决。经典的分而治之的思想。

对一个表或者一个分区，可以将其划分为更细的数据块，桶。在hive中，分桶的方式采取的是：对列的值进行hash除以桶的数量取余 ；

为什么要对数据进行分桶：

    桶给表加上了额外的结构，在进行某些查询的时候可以利用这个结构进行高效的查询；例如： 对于两个数据表，某两列都做了桶划分，可以使用map端的join高效的完成join（桶和桶之间的join，大大减少了join的次数）。
    对于数据取样更加高效