Hive 中表的分桶和索引的主要区别是什么？
主要区别在于目标：
- 索引
Hive 索引的目标是提高对表的某些列进行查询查找的速度。如果没有索引，带有"WHERE tab1.col1 = 10"等谓词的查询将加载整个表或分区并处理所有行。但是，如果 col1 存在索引，则只需要加载和处理文件的一部分。
当表变得非常大时，索引变得更加重要，正如您现在无疑知道的那样，Hive 在大型表上蓬勃发展。
- 分桶
它通常用于联接操作，因为您可以通过按特定"键"或"id"对记录进行分桶来优化联接。这样，当您要执行联接操作时，具有相同"键"的记录将位于同一存储桶中，然后联接操作将更快。您可以将其视为将数据集分解为更易于管理的部分的技术。此链接为您提供了高效 Hive 查询的 5 个技巧，其中之一是关于存储桶的。