55_尚硅谷_Hive分桶_抽样查询.avi原创

好，分同表它自己有自己一个特定的一个查询方式，当然你这种C量的心，或者说你之前所做的这个也都是可以的，也都是可以的，但是你要想想看啊，分铜表它是因为数据量特别大的时候，我们才建立的吧。才建立的，那你有时候去查询全量那个数据啊，会很不好。啊，效率很低，而且有时候我们做很多分析的时候，我们只需要抽样查询就够了，抽样查询而不需要所有的一个数据集。那这个时候你要建分层表，它就提供特定的一个抽象查询的一个规则，查询的一个规则。你看他的说，对于非常大的一个数据结，有时候需要具有代表性的查询结果，我们不是全部的结果，那我们一般是不是采用像这种需求的时候，我们一般都是抽样吗？哎，抽样，那也就是说在分农表里边啊，我们只需要抽某几个统里面数据拿出来看一看就够了吧，哎，做一个相应的分析就够了，那我们怎么来抽它里面不同的一个桶的数据呢？

你像分区我们知道，如果我们想拿一个或者多个分区里面数据怎么拿呀。是不是用V词句啊，对吧，用V词句来，但是分筒。你这个有用吗？Will词句里面能指定。哪个桶吗？不能吧，啊不能的，因为桶它不是一个文件夹，它具体到文件吗。啊，具体到文件了，所以在分组表当中啊，它提供了这样一个查询语句。前面的查询语句是一样的，后面就是。你要抽样的。啊，抽样的，那我们需要看一下。这里面东西啊，表示什么意思，表示什么意思来，首先它里面有一个buck X out of y out of y是这样的，那这个X跟Y表示什么意思呢？首先这个Y啊。

必须是table总派数的倍数和因子。倍数的因子，那它有这个前提之后，那应该就知道了。他肯定是要拿着什么你的桶数来除以。这个Y吧，那要不然他要它倍数或者因子干什么呀，对吧，他肯定是为了能整除或者除出来是正好是1/13这种数字吧，好。那我们就知道了，他肯定是决定出多少内容的。好，然后它根据Y的大小决定抽象的一个比例，看到了吗？哎，决定抽样的比例，如果说table总共四份，就像我们现在的一样啊，是不是四个图啊，如果说Y等于二，它就抽取两个桶，最终会抽取两个桶一个数据。啊，抽取两个桶，它是就是说这个Y啊，决定抽多少数据的，懂我的意思吗？决定抽多少数据的在举例，当Y它八的时候，从1/2个桶里面数去。

当Y等于八，你现在不是四个桶吗？对吧，抽1/2个桶里面数据，也就是说Y它决定抽多少，决定抽多少，那X就知道是什么意思了。从哪抽吧，那你要抽样抽多少你知道了，你从哪抽你得告诉人家啊，那X就决定从哪抽的来看一下啊。那其实X啊，它表示从哪个八倍的开始抽。那你要抽两个。那你X你本来两个桶是1234吧。1234好，那你要从第一个桶开始抽。第一个桶来抽，那这有一个疑问了，到底是出一二还是1314呢？这就是一个问题吧，因为他只说了X表示从哪个桶开始抽。你要注意它后面还有它这样的，它后面的如果还有多个的话，它是从X加Y，第二个是X加Y。

也就是说，如果说我这里面写的是8K的一二的方二，那出的是哪两个区啊，哪哪两个桶啊。一和三吧，一三号啊，那我来做一下，把这个法拿过来。他C，然后粘过来，这个出的是。什么？这个语法是抽的是什么什么内容。你想想看，前面是X，后面是Y。Y决定的是什么？抽多少了，抽多少，那那Y是四，抽多少个，抽一个吧，是是抽多少是不是四除以四，这个四是什么？统数吧，还是统数，这个是Y。

啊，同数除以半抽一个桶，那X决定的是从哪个桶开始抽，是不是就从第一个桶开始抽，抽一个，那其实就是抽的是第一个吧。是不是第一个呀，第一个桶，那如果说改成。啊，那抽的刚才我们分析的应该是这个没意思是吧，还是第一个应该改后面的是吧。把这个改成233不行吗？这个说了Y的因子或者倍数三其实可以的，但是抽出来的数据你没有办法知道，你看这是什么。你报分析。你就是不满足他提供的一个规则，对吧，那你要想自己能看不懂，你把它写成二，那二这个应该是什么。两个分区里面内两个分里面内容这两个桶分别是哪两个啊？

是一三吗？一吃六桶三是不是二六四二六十是吧。是吧，啊，它其实就表示这个意思，但是它有一个规则，看一下啊，它说X的值啊，必须小于Y的值。就说如果说我这个是二。必须小于是吧，小于等于是吧。小于等于啊，我把这个改成三。画错了，画错了必须小于等于，那你稍微想一下也能想明白这个问题。你看一下啊来。假设你的桶数是C，可以吗？你现在有XYZ这三个数，我们算一下啊，它为什么不能假设你的统数为Z，这没问题吧？出多少内容？

出外个吗？出Z除以Y个吧，出这么多个好，第一个是什么X？第二个呢？X加Y是吧，X加Y好，最后一个呢。加什么？加Y分之C减一乘以Y是不是啊？因为你这个第二个是加Y，第三个不是又加Y吗？也就是说你抽第N个的时候，其实加了N减一个Y是不是，那最后一个是不是这个。是这个式子，好，我们把这个一化简，最后等于什么？等于X？加C减Y。那X如果大于Y。X减Y。大于零吧。

Z加零大于Z了是不是啊，也就是说最后一个区取不到了，至少最后一个区取不到啊，所以说它是不让你X大于Y的，X大于Y的啊，是这个意思啊，稍微分析一下，它分析出来它为什么X1定要小于等于Y，其实等于的时候，它正好是取到最后一个区外啊一个同里的，其实这个意思他不让你大于。不让你大于，这是分成的具体的抽样啊，具体抽样你要这个决定，Y是决定抽多少内容，然后X决定从哪抽，那你抽象规则你肯定要告诉他从哪抽，抽多少嘛，哎，有了这两个东西之后，那他就知道怎么去做了。啊，当然你自己写的时候，你这个地方你不要写不是它的因子或者倍数啊，其实可以的是吧，刚才我们测了，但是那个三啊，其实你分析不好分析的，或者说我们再来测一个这个。一然后测一个八是吧，因为我们刚才都是错的，它的一个因子是不是，哎，八是它这个倍数，那应该就抽一半吧，抽一半，哎，第一个区里面的抽一半内容，1/2个桶啊，1/2个桶里面内容还是这样的，你只要抽它的一个因子或者倍数都好计算，都好计算。