Hive分桶问题

在对Hive中的表进行分桶的时候，可不可以将表中这列的值设置为桶的名字，如果按照默认的数字名字，那么在查询的时候怎么这个桶里面装的哪些数据？，在查询时如何遍历全部的桶，然后再对桶内的数据进行处理？

表述的没怎么看明白？楼主最好截图。hive的桶，指定列的值为key进行hash，hash到指定的桶中.
也就是对这些数据采用了归类。
遍历的时候可以提高查询效率。
比如1-10一个桶
11-20一个桶。
这样肯定比1-20快。
这样如果看不出效果的话。
把1万分成1000份，找9，99，999
和在一万份里面找9，99，999。效率肯定不一样的。
如果是桶的话
只需要遍历
1-10
跳到
90-100，这样你说桶的效率高不高。

2017 发表于 2017-4-20 15:48
表述的没怎么看明白？楼主最好截图。hive的桶，指定列的值为key进行hash，hash到指定的桶中.
也就是对这些 ...

可能我没说清楚，我现在用其他的数据和一张车辆GPS数据进行匹配，这张车辆GPS的数据表有200万行，几千辆车，我是根据车牌号这一列，将每一辆车分成一个桶，一共3000多个桶，现在的需求是先遍历所有车牌号，匹配到相应的车辆，然后再去遍历这辆车里面对应的数据，就不用全表扫描了。
问题1：分成桶后，每个桶的名字都是0000006_0这样的，就没法进行匹配了？
问题2：在对桶进行查询时，只是抽样查询，只查询一部分，万一这部分匹配不到相应的车牌号呢？如何来对这3000多个车牌号进行遍历？
分桶如下图所示：

舒克 发表于 2017-4-20 16:11
可能我没说清楚，我现在用其他的数据和一张车辆GPS数据进行匹配，这张车辆GPS的数据表有200万行，几千辆 ...

如果楼主怕万一漏掉的话，可以使用非抽样查询试试

更多参考：
Hive分桶的作用

希望有一定的帮助