Hive中的排序

全局排序（ Order By）

Order By： 全局排序， 一个 Reducer

1. 使用 ORDER BY 子句排序

   ASC（ ascend） : 升序（ 默认）
   DESC（ descend） : 降序

2. ORDER BY 子句在 SELECT 语句的结尾

3. set hive.mapred.mode=nonstrict; (default value / 默认值)
   set hive.mapred.mode=strict;
   

   order by 和数据库中的Order by 功能一致，按照某一项 & 几项 排序输出。

   与数据库中 order by 的区别在于在hive.mapred.mode = strict 模式下 必须指定 limit 否则执行会报错。

4. 案例实操
   （1） 查询员工信息按工资升序排列

hive (default)> select * from emp order by sal;

​ （2） 查询员工信息按工资降序排列

hive (default)> select * from emp order by sal desc;

PS: FAILED: Error in semantic analysis: 1:28 In strict mode, if ORDER BY is specified, LIMIT must also be specified. Error encountered near token ‘id’

原因： 在order by 状态下所有数据会到一台服务器进行reduce操作也即只有一个reduce，如果在数据量大的情况下会出现无法输出结果的情况，如果进行 limit n ，那只有 n * map number 条记录而已。只有一个reduce也可以处理过来。

Sort By

sort by： 对全局结果集来说不是排序。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。

sort by 不受 hive.mapred.mode 是否为strict ,nostrict 的影响

sort by 的数据只能保证在同一reduce中的数据可以按指定字段排序。

注意：可以用limit子句大大减少数据量。使用limit n后，传输到reduce端（单机）的数据记录数就减少到n* （map个数）。否则由于数据过大可能出不了结果。

1. 设置 reduce 个数

   hive (default)> set mapreduce.job.reduces=3;
   

2. 查看设置 reduce 个数

   hive (default)> set mapreduce.job.reduces;
   

3. 根据部门编号降序查看员工信息

   hive (default)> select * from emp sort by empno desc;
   

4. 将查询结果导入到文件中（ 按照部门编号降序排序）

   hive (default)> insert overwrite local directory '/opt/module/datas/sortby-result'
   select * from emp sort by deptno desc;
   

分区排序（ Distribute By）

Distribute By: 类似 MR 中 partition， 进行分区， 结合 sort by 使用。

注意， Hive 要求 DISTRIBUTE BY 语句要写在 SORT BY 语句之前。对于 distribute by 进行测试， 一定要分配多 reduce 进行处理， 否则无法看到 distribute by
的效果。

案例实操：

1. 先按照部门编号分区， 再按照员工编号降序排序。

   hive (default)> set mapreduce.job.reduces=3;
   hive (default)> insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc; 
   

2. 按照指定的字段对数据进行划分到不同的输出reduce / 文件中。

   insert overwrite local directory '/home/hadoop/out' select * from test order by name distribute by length(name);  
   

   此方法会根据name的长度划分到不同的reduce中，最终输出到不同的文件中。

Cluster By

当 distribute by 和 sorts by 字段相同时， 可以使用 cluster by 方式。
cluster by 除了具有 distribute by 的功能外还兼具 sort by 的功能。但是排序只能是升序排序， 不能指定排序规则为 ASC 或者 DESC。

以下两种写法等价

hive (default)> select * from emp cluster by deptno;
hive (default)> select * from emp distribute by deptno sort by deptno;

注意： 按照部门编号分区， 不一定就是固定死的数值， 可以是 20 号和 30 号部门分到一个分区里面去。