提前知道 Hive 行将是 go 的哪个桶

Question

当我们在某个列上定义了一个分桶时，hive 为该列的每个唯一值计算 hash 值并将行发送到这些桶。 当多个唯一值的 hash 值导致它们进入同一个存储桶时，这可能会导致存储桶倾斜。 现在假设桶列是国家，值如下：-

country = {'USA','Brazil','Findland','India','England'}

现在不能保证散列会将所有 5 个国家发送到不同的桶（假设桶的数量是 5）。 有什么方法可以提前知道将针对国家/地区具有特定值的行发送到哪个存储桶？ 我正在寻找这样的东西： -

select know_which_bucket(country,5) from table;

它不必是 hive function，我只是想从逻辑上解释我在寻找什么，我只需要信息。 基本上我会指定一组值，桶的数量，并想知道每个值将 go 到哪个桶。 如果有人可以为此提供 Java 指针，它也会有所帮助。 另外，我不一定要寻找一种程序化的方式，即使是在线计算器也可以。

Answer 1

我想通了，这就是你的做法：-

例如，要知道哪个桶（文件）“美国”将 go，前提是桶数为 5：-

select pmod(hash('USA'),5);

它返回 3，因此这将存储在文件 00000 3 _0 中。 这样我们就可以知道任何输入值和任何数量的桶。