在前面的幾篇文章當中一直有一個概念bucketing不清楚到底是怎麼回事。
網友南京-李先森給了他收集的一些資料，如下：
buckets 對指定列計算 hash，根據 hash 值切分資料，目的是為了并行，每一個 bucket 對應一個檔案。如将 user 列分散至 32 個 bucket，首先對 user 列的值計算 hash，對應 hash 值為 0 的 hdfs 目錄為：/ warehouse /xiaojun/dt =20100801/ctry=us/part-00000；hash 值為 20 的 hdfs 目錄為：/ warehouse /xiaojun/dt =20100801/ctry=us/part-00020
這段描述是說用了bucket之後的，那為什麼要用bucket，沒說，本着認真負責的态度，我從網上搜尋到了oreilly《programming.hive》這本書，然後在裡面找到了答案，現在發出來和大家分享一下。
首先回顧一下分區，分區是切分資料的一種比較友善的方法，比較常用的就是按照日期來進行切分，bucket（中文意思就是籃子，可以放雞蛋，哈哈）其實也是一種切分資料的方法。
假設我們有一張日志表，我們需要按照日期和使用者id來分區，目的是為了加快查詢誰哪天幹了什麼，如下：
但是這裡面用user_id去切分的話，就會産生很多很多的分區了，這些分區可大可小，這個數量是檔案系統所不能承受的。
在這種情況下，我們既想加快查詢速度，又避免出現如此多的小分區，籃子（bucket）就出現了。
具體的用法是：
首先按照日期分區，分區結束之後再按照user_id把日志放在96個籃子，這樣同一個使用者的所有日志都會在同一個籃子裡面，并且一個籃子裡面有好多使用者的日志。
然後我們在插入資料的時候就要注意了，我們一定要設定hive.enforce.bucketing為true。
到此，bucket介紹完畢！