Hive中order by，sort by，distribute by和cluster by详解

前言

作为数据开发工程师，在平时工作中，肯定接到过产品小姐姐提的排序需求，例如在mysql数据库中，就是使用order by函数。在hive中也是有order by函数的，那么除了order by之外是否还有其他排序函数呢？今天就跟小伙伴们聊聊hive中有哪些排序函数以及使用场景！

1. order by

全局排序，默认升序。Hive在运行MR程序时会指定Reducer个数为1，因为多个reducer无法保证全局有序。这样就会导致当输入规模较大时，需要较长的计算时间。

注意：

• 与数据库中 order by 的区别：在hive.mapred.mode = strict 模式下，必须指定 limit，否则执行会报错。 原因：如果在数据量大的情况下，一个reducer无法处理；如果指定limit n ，就只有 n * map number 条记录而已，一个reducer就可以正常处理。
• 其他情况下，与数据库中的Order by 功能一致，即按照某一个或几个字段排序输出。