简述Hive为什么要分桶 ？
Hive分桶是将数据集分解成更容易管理的若干部分的一个技术。以下是Hive分桶的主要原因：
- 提高查询处理效率：桶为表加上了额外的结构，Hive在处理有些查询时能利用这个结构。例如，当两个表在相同的列上进行桶划分时，可以使用高效的Map端连接（Map-side join）来执行JOIN操作。这样，只需要匹配对应桶的数据即可，而不需要扫描整个表，从而大大提升了查询效率。在数据量足够大的情况下，分桶比分区有更高的查询效率。
- 使取样更高效：在处理大规模数据集时，开发和修改查询的阶段如果能在数据集的一小部分数据上试运行查询，会带来很多方便。分桶有助于实现这一目标，使得在部分数据上进行取样更高效。
- 解决分区数量过多问题：在分区数量过于庞大以至于可能导致文件系统崩溃，或数据集找不到合理的分区字段时，分桶可以作为一种解决方案。通过将分区中的数据进一步拆分成桶，可以减少单个分区的数据量，使得数据更易于管理。
总之，Hive分桶有助于提高查询处理效率、使取样更高效以及解决分区数量过多的问题，是处理大规模数据集时的一种有效手段。