分区表和分桶表（高频重点）

分区表：分区表实际上对应 HDFS 文件系统上的独立的文件夹，其实就是分目录，将一个大的数据集根据业务需要分割成小的数据集。在查询时可通过 where 子句中的表达式选择指定的分区，以此避免全表扫描，从而提高查询效率。

分桶表：分区提供了一个隔离数据和优化查询的便利方式，但并不是所有的数据集都可形成合理的分区。对于一张表或者分区表，可以进一步组织成桶，也就是更为细粒度的数据范围。分桶就是将表中记录按分桶键的哈希值分散进多个小文件中，这些小文件称为桶。一般用于数据量极大的时候。

数据分散规则：分桶字段的 hash 值 对 分桶数量进行取模

分桶是相对分区进行更细粒度的划分。分桶将整个数据内容按照某列属性值的 hash 值进行区分，如要按照 name 属性分为 3 个桶，就是对 name 属性值的 hash 值对 3 取摸，按照取模结果对数据分桶。如取模结果为 0 的数据记录存放到一个文件，取模为 1 的数据存放到一个文件，取模为 2 的数据存放到一个文件

分区表和分桶表的区别：

1. 从表现形式上：分区针对的是数据的存储路径，分区表可以理解为文件夹；分桶针对的是数据文件，分桶表是文件。

2. 从创建语句上：分区表使用 partitioned by 子句指定，分桶表由 clustered by 指定。

3. 从数量上：分区表的分区个数可以增长，分桶表一旦指定就不能再增长。

4. 从作用上：分区可以避免全表扫描，根据分区列查询指定目录来提高查询速度

                    分桶的话，数据已经按照分桶字段进行了 hash 散列，所以分桶表数据进行                       抽样和 JOIN 时可以提高 MR 程序效率。