行为数据存储中的分区和分桶
存储引擎一般都支持分区分桶
分区的意义在于将数据分散到多个子目录中，在执行查询时，可以只选择查询某些子目录中的数据来加快查询效率。
分桶的意义实际和分区一样，只是并非所有的数据都可以形成合理的分区，而分桶可以弥补分区这个缺陷，将数据集分解为若干部分
分区可以做多级分区，分区的个数可以指定，也可以由程序自动生成， 分区是可以动态增长的
分桶的个数是一经决定，就不能更改，所以如果要改变桶数，要重新插入分桶数据
行为数据本质是时序数据，所以分割的关键要素第一肯定是 时间，第二个分割的关键要素就是 事件
如果是用分区来做，建个日期+事件的 二级分区，存储时候 实际上就分成了 2级目录，这个的弊端就是如果事件太多太碎，会导致很多小事件也单独分区了
所以就考虑用分桶，但是Hive自带的分桶是根据事件值的hash值 然后分成指定个数的桶
这样能避免数据文件太多，但是还有缺陷，因为你控制不了把哪些事件放在一起，我们分桶肯定希望经常一起使用的事件 分成一个桶，低频使用的，数据量特别大的分成一个桶
为了能实现上述的效果，所以就设计了2个分桶方案：
第一个 直接冗余一个桶ID。然后 事件和 桶ID之间的关系作为元数据维护，然后根据这个桶ID 直接分区就行
还有一个 相对轻一点就是动态分。也是 维护一个 桶ID 和 事件之间的关系，在dump 成hive的时候 或者 merge的时候，根据 这个关系 把对应的数据 写到指定命名的数据文件中。在查询的时候 根据事件id直接在connector中 解析 查询对应的桶文件