令人困惑的地方。
不久前我发现了这个：
不过，从spark 2.3开始，Hive扣表就得到了支持。spark通常不允许用户将输出写入配置单元的表。设置 hive.enforce.bucketing=false 以及 hive.enforce.sorting=false 将允许您保存到Hive扣表。
在spark's jira中：https://issues.apache.org/jira/browse/spark-17729
hive允许将数据插入到bucketed表，而不保证基于以下两种配置的bucketed和sorted： hive.enforce.bucketing 以及 hive.enforce.sorting .
有了这个jira，spark仍然不会按照hive的bucketing保证生成bucketed数据，但是如果用户希望这样做的话，它将允许写入，而不必关心bucketing保证。创建带扣表的能力将允许在向spark添加工件时向spark添加测试用例，并使其支持配置单元带扣（例如。https://github.com/apache/spark/pull/15229)
但从确切的来源来看https://spark.apache.org/docs/latest/sql-migration-guide-hive-compatibility.html#unsupported-配置单元功能包括：
下面不支持的配置单元功能是我们还不支持的配置单元功能的列表。这些特性中的大多数很少在配置单元部署中使用。主要配置单元具有带bucket的表：bucket是配置单元表分区中的哈希分区。sparksql还不支持bucket。
所以要回答你的问题：你得到的是一个近似的Hive扣的Spark方法，因此实际上不是一回事。

虽然spark（至少在版本<=2.4中）不直接支持hive的bucketing格式，但是可以通过使用sparksql将数据加载到hive表中，让spark输出hive可读的Bucked数据：

//enable Hive support when creating/configuring the spark session
val spark = SparkSession.builder().enableHiveSupport().getOrCreate()

//register DF as view that can be used with SparkSQL
val testDF = Seq((1, "a"),(2, "b"),(3, "c")).toDF("number", "letter")
testDF.createOrReplaceTempView("testDF")

//create Hive table, can also be done manually, e.g. via Hive CLI
val createTableSQL = "CREATE TABLE testTable (number int, letter string) CLUSTERED BY number INTO 1 BUCKETS STORED AS PARQUET"
spark.sql(createTableSQL)

//load data from DF into Hive, output parquet files will be bucketed and readable by Hive
spark.sql("INSERT INTO testTable SELECT * FROM testDF")