hive排序问题

1.Order By

Order By:全局排序,只有一个Reduce

1. 子句排序

   默认为升序 : asc

   降序: desc

   hive sql执行过程

2.Sort By

Sort By:

1. 内部排序,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

2. Sort by为每个reduce产生一个排序文件。每个Reduce内部进行排序，对全局结果集来说不是排序

1）设置reduce个数

set mapreduce.job.reduces=3;

2)查看reduce的个数

set mapreduce.job.reduces;

hive sql执行过程

3.Distribute By

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MapReduce中partition（自定义分区），进行分区，结合sort by使用.

注意

1. distribute by的分区规则是根据分区字段的hash码与reduce的个数进行相除后，余数相同的分到一个区。

2. Hive要求distribute by语句要写在sort by语句之前。

3. 演示完以后mapreduce.job.reduces的值要设置回-1，否则下面分区or分桶表load跑MapReduce的时候会报错。

4.Cluster By

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

注意：

1. 按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去

注意：

1. 按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去