Hive分区和分桶

分区：
根据某一列进行进行划分存储，常用的有时间分区；
查询数据时只需要扫描特定的分区数据，不需要全盘扫描，节省时间,
方便数据归档和清理

创建分区表
create table table_name(
col1 int,
col2 string
)
partition by (dt string,country string);

插入分区
insert into table_name partition (dt='2024-06-19',country='china')
values(1,'data1'),(2,data2);

修改分区
alter table table_name partition ()
删除分区
alter table table_name drop partition(dt='2024-06-18');

分桶：
将表数据按照哈希函数的结果进行划分存储，将数据均匀分不到桶中，提高了查询的并行度和性能。
支持随机抽样

创建分桶

create table bucket_table_name(
col1 int,
col2 string
)
clustered by (col1) into 4 buckets
sorted by (col2);

插入数据
insert overwrite table bucket_table_name
select cols,col2
from table_name;

查询分桶数据
select *
from
bucket_table_name
where col1=1;