MaxCompute在Append Delta Table表格式中进一步支持Hash Cluster，在支持增量数据处理的同时提升查询性能。本文介绍其与其他表类型的差异、建表语法、SQL及数据通道 SDK 使用示例。
适用场景
推荐在以下场景使用 Hash Cluster：
等值过滤查询：按固定列做点查或等值过滤，减少扫描量。
等值JOIN / GROUP BY：多表按相同KEY关联或聚合，减少 Shuffle。
与相似表类型对比
表类型 | 聚簇方式 | 增量写入（ACID） | |
Hash | 不支持 | 有 Hash Clustering（Shuffle + Sort）优化，但不支持 ACID。 | |
Hash | 支持 | 有 ACID 能力与 Hash Clustering 优化，适用于有主键数据。读写性能弱于无主键的表。 | |
Range | 支持 | 有 ACID 能力与重聚簇支持，但聚簇方式为 Range，写入性能弱于 Hash。 | |
Append Delta Table - Hash Cluster | Hash | 支持 | 集 Hash Clustering 优化（Shuffle + Sort）与完整 ACID 能力于一体，同时支持后台增量与全量重聚簇。是上述三类表中综合能力最完整的类型。 |
前提条件
开启以下 Session 参数后再建表：
SET odps.table.append2.enable=true;
SET odps.table.hash.delta.enable=true; -- hash delta 建表试用开关建表语法
CREATE TABLE [IF NOT EXISTS] <table_name>
[(<col_name> <data_type> [comment <col_comment>], ...)]
[PARTITIONED BY (<col_name> <data_type> [comment <col_comment>], ...)]
CLUSTERED BY (<col_name> [, <col_name>, ...])
[SORTED BY (<col_name> [, <col_name>, ...])] -- 仅支持升序
INTO <number_of_buckets> BUCKETS
TBLPROPERTIES ('table.format.version' = '2'); 参数说明：
参数 | 说明 |
| 指定 Hash 分桶列。建议选择在等值过滤、JOIN、GROUP BY 或 WINDOW PARTITION BY 中频繁使用的列，且该列的取值种类尽量多，以充分发挥分桶效果。 |
| 可选。指定桶内排序列。当前仅支持升序排序。建议选择范围/等值过滤列、窗口计算或版本时间列。 |
| 指定逻辑 Bucket 数。建议结合数据量、查询并发和分桶列基数设置。 Bucket 数量和写表时并发度，读表 Shuffle 优化时并发度相关。 |
| 设置为 |
SQL 使用示例
本示例以商品状态和价格版本表为例。业务上通常会按 item_id 点查或关联商品，因此将 item_id 作为 Hash 分桶列；版本生效时间 event_time 用于查看历史变化，因此将 event_time 作为桶内排序列。该设计适用于缓慢变化维表、商品价格版本表、状态变更明细表等场景。
准备工作
SET odps.sql.type.system.odps2=true;
SET odps.table.append2.enable=true;
SET odps.table.hash.delta.enable=true;建表
非分区表
CREATE TABLE hash_delta_sales_demo (
item_id BIGINT,
event_time TIMESTAMP,
price DOUBLE,
status STRING
)
CLUSTERED BY (item_id)
SORTED BY (event_time)
INTO 256 BUCKETS
TBLPROPERTIES ('table.format.version' = '2');分区表
如果数据需要按日期管理，也可以创建分区表：
CREATE TABLE hash_delta_sales_demo_pt (
item_id BIGINT,
event_time TIMESTAMP,
price DOUBLE,
status STRING
)
PARTITIONED BY (ds STRING)
CLUSTERED BY (item_id)
SORTED BY (event_time)
INTO 256 BUCKETS
TBLPROPERTIES ('table.format.version' = '2');通过DESC EXTENDED hash_delta_sales_demo;查看表信息。表的分桶和排序定义如下：
ClusterType: hash
BucketNum: 256
ClusterColumns: [item_id]
SortColumns: [event_time ASC]增量写入
以下以非分区表为例，演示增量写入和重聚簇过程。
初始写入数据：
INSERT INTO TABLE hash_delta_sales_demo VALUES (1001, TIMESTAMP '2026-05-01 10:00:00', 10.00, 'active'), (1001, TIMESTAMP '2026-05-03 10:00:00', 13.00, 'active'), (1002, TIMESTAMP '2026-05-01 11:00:00', 20.00, 'active'); DESC EXTENDED hash_delta_sales_demo;删除操作
删除一部分数据后查看表状态：
DELETE FROM hash_delta_sales_demo WHERE item_id = 1002; DESC EXTENDED hash_delta_sales_demo;补写历史数据
补写一条历史版本。该版本的 event_time 位于 item_id=1001 已有时间范围中间：
INSERT INTO TABLE hash_delta_sales_demo VALUES (1001, TIMESTAMP '2026-05-02 09:00:00', 12.00, 'active'); DESC EXTENDED hash_delta_sales_demo;
Bucket Pruning
对分桶列做等值查询时，MaxCompute 会根据 Hash 分布直接定位目标 Bucket，跳过其余 Bucket 的扫描。以下查询按 item_id = 1001 过滤，实际只读取该值所在的 1 个逻辑Bucket，而非全表扫描：
SELECT * FROM hash_delta_sales_demo
WHERE item_id = 1001
ORDER BY event_time
LIMIT 10;
-- 返回结果：
+------------+---------------------+------------+--------+
| item_id | event_time | price | status |
+------------+---------------------+------------+--------+
| 1001 | 2026-05-01 10:00:00 | 10.0 | active |
| 1001 | 2026-05-02 09:00:00 | 12.0 | active |
| 1001 | 2026-05-03 10:00:00 | 13.0 | active |
+------------+---------------------+------------+--------+全量重聚簇
如果需要重新整理存量数据，执行 RECLUSTER FULL。该操作会保留表中的历史数据语义，并按照当前表定义重新组织存储数据。
ALTER TABLE hash_delta_sales_demo RECLUSTER FULL;
DESC EXTENDED hash_delta_sales_demo;Hash Delta 表支持 INSERT、UPDATE、DELETE、MERGE INTO 等增量写入，同时保留 Hash 分布信息。优化器基于当前数据状态选择执行计划：数据有序时利用有序存储，数据变为非全量有序后仍可利用 Hash 分桶，必要时通过RECLUSTER FULL 恢复全量排序。
数据通道使用示例
以上文中 hash_delta_sales_demo 表为例，介绍通过数据传输服务 SDK 进行 Hash Clustered Delta Table 的数据上传/下载。
导入SDK依赖包
建议使用最新版本，至少需要升级到0.59版本及以上。详情参见版本更新记录。
示例代码
常见问题
如何选择合适的单 Bucket 存储量？
建议将单 Bucket 存储量控制在数百 MB 到数十 GB 之间。
Bucket 过小：存储开销上升，Shuffle 代价增大。
Bucket 过大：写表时间较长，查询时 Bucket Pruning 的过滤效果下降， Shuffle 优化效果下降。
建议根据预期数据增长量（而非当前量）来设置 Bucket 数，避免频繁修改表结构。
如果业务数据量确实偏大，单 Bucket 也可支持更大存储，也可以将 Bucket Num 设置的更大，但需结合实际写入与查询性能综合评估。