全局排序--order by
order by对整表数据进行排序,使用一个reducer,ASC升序(默认),desc降序,在企业中一般禁止该操作,因在企业中数据量都非常大,而该操作又只有一个reducer,耗时有风险。
每个reduce内部排序--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,对全局结果集来说并不是排序。
分区--distribute by
distribute by类似MR中partition(自定义分区),进行分区,结合sort by使用。distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后,余数相同的分到一个区。Hive要求distribute by语句要写在sort by语句之前。
Cluster by
当distribute by和sort by字段相同时,可以使用cluster by的方式。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。