我似乎找不到任何在 hive 中加入桶的好的用例。
如我所见，当将表 A 与表 B 连接时：
桶连接为我们节省了将表 A 传递给减速器的时间，同时将表 B 加载到分布式缓存中，并且每个映射器处理表 B 的相应桶与表的桶一个。
但是，将表 B 加载到分布式缓存中是由单个任务完成的，因此随着表变大，这将成为一个瓶颈。
因此，如果表 B 足够小，不会对单个任务造成负担，那么它实际上与使用小优化进行常规 map-join 相同。
另一方面，如果表 B 不能放入具有整体的单个映射器中，则将其读取到分布式缓存的过程可能需要一段时间。
最后，似乎将表 B 加载到分布式缓存中的时间可能是值得的，因为我们不需要将表 A 的存储桶从映射器传递到减速器，但是这个过程不应该太繁重，除非表 A确实很大，因为每个映射器都会读取一个对应于单个减速器的存储桶（表由连接键存储）每个减速器获取 2 个中间输出（每个表一个，减速器运行在与其对应的映射器相同的节点）并合并它们，从这一点开始，连接与映射器中的连接相同。
总而言之，我认为问题是什么成本更高：
- 通过单个任务将中等大小的表加载到分布式缓存中
- 将许多中等（可能很大）大小的桶从映射器传递到减速器（主要是本地）并合并 2 个文件 - 所有这些都是并行完成的。
你怎么看？有人能找到桶加入的好用法吗？