1.order by
对输入做全局排序,因此只有一个reduce。只有一个reduce会导致当输入规模较大的时候,需要较长的计算时间。
2.sort by
不是全局排序,其在数据进入reduce之前完成排序。
3.distribute by
按照指定的字段对数据进行划分输出到不同的reduce中去,select后面涉及的列不必使用聚合操作。
4.cluster by
除了distribute by以外还有sort by的作用。
5.group by
把key值相同的数据分发到一起,后续必须是聚合操作。