蜂巢：如何确定哪个值进入哪个存储桶？

Question

在蜂巢中，如果我有一个带有CLUSTERED BY（employee_id）INTO 10 BUCKETS的存储桶表，则通过查看值我将如何知道哪个值进入哪个存储桶？

谢谢。

Answer 1

通过查看数据，您无法判断哪个值将进入哪个存储桶。 桶对哈希码有效。 对于每个值，将生成一个哈希码，并且具有相同哈希码的值将进入同一存储桶。

但是，您可以尝试使用java中的hashcode函数为一组特定的值生成哈希码，并且您可能会猜测此值可能会进入此存储桶。

您可以参考此链接以获取有关Hive中的存储桶的更多详细信息。

Answer 2

值区适用于散列。 这就像为数据创建占位符一样。如果您知道数据具有不同程度的值，则可能会导致创建很多数量的存储桶以限制存储桶的数量，您可以始终应用一些自定义逻辑。您需要将存储桶的数量固定为4，然后可以进行mod（emplyoee_id％4），它将始终为您提供0、1、2、3之间的值，因此Hive将相应地路由数据。