hive中order by,sort by, distribute by, cluster by作用以及用法

转载自：https://blog.csdn.net/zhanglh046/article/details/78572939?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-2&spm=1001.2101.3001.4242

一 ORDERBY

ORDERBY 跟传统数据库ORDERBY 一样，会对所有的数据进行排序，可能有很多个Map任务，但是只会由一个Reducer来进行排序，如果数据海量的话，会很影响性能，因为需要花费大量的时间

 

二 SORTBY

如果在hive指定了SORT BY语句，那么在每一个Reducer都会进行排序，言外之意，只保证每一个Reducer的时候进行排序,那么这样的排序是局部的，并非全局的排序。类似于桶内排序

这样有一个好处：做了局部排序之后，进行全局排序的时候，能够效率不少。

 

三 DISTRIBUTEBY

根据指定字段，默认对数据进行hash，然后分道不同的Reducer中。

是控制Map的输出在Reducer是如何划分的，也就是控制哪些map输出到哪一个reducer，一般配合SORT BY使用，即按照什么划分reducer,然后进行Reducer级别的排序。有点分桶的意思。

 

SELECTfid,fname,ftime,fregion FROM movie DISTRIBUTE BY fid

SORTBY fid

 

四CLUSTERBY

CLUSTERBY 是DISTRIBUTE BY + SORT BY的综合。但是他的排序只能是倒序，不能指定ASC 或者DESC

比如

SELECTfid,fname,ftime,fregion FROM movie CLUSTER BY fregion;

等价于

SELECTfid,fname,ftime,fregion FROM movie DISTRIBUTE BY fid

SORTBY fid