请解释Spark SQL中表分区和分桶的实现方式，并比较这两种优化手段的差异。

回答思路

1. 【回答框架 1】分区是在表创建时通过PARTITIONED BY指定分区列，数据按分区列的值划分到不同目录，常用于按日期等字段进行粗粒度过滤，可减少查询扫描的数据量。
2. 【回答框架 2】分桶是在表创建或插入时通过CLUSTERED BY指定分桶列和桶数，数据按桶列哈希值分配至固定数量的文件，常用于细粒度数据组织，可提升join和聚合效率。
3. 【回答框架 3】区别：分区基于目录划分，适合范围过滤；分桶基于哈希划分，适合精确匹配和随机分布。分区列通常基数较低，分桶列可接受较高基数。分区数量随数据增长，分桶数量固定。
4. 【回答框架 4】使用时需注意：动态分区可能产生大量小文件；分桶列选择不当会导致数据倾斜。两者可结合使用，但需权衡管理成本与性能收益。
5. 【关键点 1】分区通过目录划分数据，适合低基数列范围过滤。
6. 【关键点 2】分桶通过哈希固定桶数，适合高基数列精确匹配和join优化。
7. 【关键点 3】分区目录数量随数据增长，分桶文件数固定，两者可组合使用。
8. 【易错点 1】过度分区或分桶可能导致元数据膨胀和小文件问题。
9. 【易错点 2】分桶列选择不当易造成数据倾斜。
10. 【易错点 3】动态分区插入需谨慎管理，防止生成过多小文件。