hive优化：cluster by = distribute by + sort by

sort by不是全局排序是输入做全局排序，其在数据进入reducer前完成排序。
因此，如果用sort by进行排序，并且设置mapred.reduce.tasks>1，
则sort by只保证每个reducer的输出有序，不保证全局有序。



distribute by(字段)根据指定的字段将数据分到不同的reducer，且分发算法是hash散列。

Cluster by(字段) 除了具有Distribute by的功能外，还会对该字段进行排序。

因此，如果分桶和sort字段是同一个时，此时，cluster by = distribute by + sort by

分桶表的作用：最大的作用是用来提高join操作的效率；