我知道，当配置单元表在一列上按聚集时，它会对该列执行哈希函数，然后将该行数据放入其中一个存储桶中。每个bucket都有一个文件，即如果有32个bucket，那么hdfs中就有32个文件。在一个以上的列上聚集是什么意思？例如，假设表已按（大陆、国家）聚集到32个桶中。如果有多个列，如何执行哈希函数？将生成多少个文件？还是32岁吗？
l3zydbqr1#
是的，文件数量仍然是32个。哈希函数将把“大陆，国家”看作一个字符串，然后将其作为输入。希望有帮助！！
pinkon5k2#
通常，bucket编号由表达式hash\ u函数（bucketing\列）mod num\ u bucket确定(里面也有一个'0x7fffffff，但这没那么重要）。哈希函数取决于bucketing列的类型。对于int，很简单，hash_int（i）==i。例如，如果user\u id是int，并且有10个bucket，那么我们希望所有以0结尾的user\u id都在bucket 1中，所有以1结尾的user\u id都在bucket 2中，等等。对于其他数据类型，这有点棘手。特别是，bigint的哈希值与bigint的哈希值不同。字符串或复杂数据类型的散列将是从值派生的数字，但不是任何人类可以识别的数字。例如，如果user\u id是一个字符串，那么bucket 1中的user\u id可能不会以0结尾。一般来说，基于散列分布行将使桶中的分布均匀。裁判：https://cwiki.apache.org/confluence/display/hive/languagemanual+ddl+bucketedtables
2条答案
按热度按时间l3zydbqr1#
是的，文件数量仍然是32个。
哈希函数将把“大陆，国家”看作一个字符串，然后将其作为输入。
希望有帮助！！
pinkon5k2#
通常，bucket编号由表达式hash\ u函数（bucketing\列）mod num\ u bucket确定(里面也有一个'0x7fffffff，但这没那么重要）。哈希函数取决于bucketing列的类型。对于int，很简单，hash_int（i）==i。例如，如果user\u id是int，并且有10个bucket，那么我们希望所有以0结尾的user\u id都在bucket 1中，所有以1结尾的user\u id都在bucket 2中，等等。对于其他数据类型，这有点棘手。特别是，bigint的哈希值与bigint的哈希值不同。字符串或复杂数据类型的散列将是从值派生的数字，但不是任何人类可以识别的数字。例如，如果user\u id是一个字符串，那么bucket 1中的user\u id可能不会以0结尾。一般来说，基于散列分布行将使桶中的分布均匀。
裁判：https://cwiki.apache.org/confluence/display/hive/languagemanual+ddl+bucketedtables