Hive 排序

Hive 提供了四种排序
ORDER BY,对结果集进行全局排序，数据规模较大时，比较耗时。

Sort By，指出数据在每个reducer内如何排序的，通常与distribute by一起使用。

Distribute By，控制Map输出在Reducer中的划分。

Cluster By，相当于distribute by和sort by结合。

一、使用 ORDER BY 子句排序
Order By：全局排序，只有一个 Reducer

ASC（ascend）: 升序（默认）

DESC（descend）: 降序

ORDER BY 子句在 SELECT 语句的结尾。

二、使用Sort By 子句排序
Sort By：对于大规模的数据集 order by 的效率非常低。在很多情况下，并不需要全局排 序，此时可以使用 sort by。
Sort by 为每个 reducer产生一个排序文件。每个Reducer内部进行排序，对全局结果集 来说不是排序。 

三、使用Distribute By子句排序
Distribute By： 在有些情况下，我们需要控制某个特定行应该到哪个 reducer，通常是为了进行后续的聚集操作。distribute by 子句可以做这件事。distribute by 类似 MR 中 partition（自定义分区），进行分区，结合 sort by 使用。
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。

四、使用Cluster By子句排序
当 distribute by 和 sort 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。