hive Sort By/Order By/Cluster By/Distribute By

最新推荐文章于 2024-02-13 18:02:52 发布

chushang0934

最新推荐文章于 2024-02-13 18:02:52 发布

阅读量143

点赞数

文章标签：大数据

原文链接：https://my.oschina.net/zipu888/blog/549625

版权

Order by

colOrder: ( ASC | DESC )
orderBy: ORDER BY colName colOrder? (',' colName colOrder?)*
query: SELECT expression (',' expression)* FROM src orderBy

order by 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）
只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。
在hive.mapred.mode=strict模式下，强制必须添加limit限制，这么做的目的是减少reducer数据规模，例如，当限制limit 100时，如果map的个数为50，则reducer的输入规模为100*50

Sort by

colOrder: ( ASC | DESC )
sortBy: SORT BY colName colOrder? (',' colName colOrder?)*
query: SELECT expression (',' expression)* FROM src sort By

sort by不是全局排序，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
根据distribute by指定的内容将数据分到同一个reducer

Cluster by
除了具有Distribute by的功能外，还会对该字段进行排序。因此，常常认为cluster by = distribute by + sort by

reference:
languagemanual-sortby
Hive排序

转载于:https://my.oschina.net/zipu888/blog/549625