Hive中order by、sort by、distribute by、cluster by的区别

order by： 会将所有的数据汇聚到一个reduce上去执行，然后能保证全局有序。但是效率低，因为不能并行执行

sort by： 当设置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。好处是：执行了局部排序之后可以为接下去的全局排序提高不少的效率（其实就是做一次归并排序就可以做到全局排序。

distribute by： 根据指定的字段将数据分到不同的reduce，且分发算法是hash散列。能保证每一个reduce负责的数据范围不重叠了，但是不保证排序的问题。

cluster by： 除了具有distribute by的功能外，还会对该字段进行排序。

只有一个reduce时，cluster by效果不明显，可以执行set mapred.reduce.tasks>1来使效果明显。

当字段相同时，cluster by效果等同于distribute by+sort by。

注意：cluster 和 sort 在查询(select)时不能共存，建表时可以共存