hive：排序查询

1.order by

hive 的order by 就和SQL的order by是一样的，是全局排序。

select * from student order by id;

2.sort by

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；Sort by为每个reducer产生一个排序文件；每个Reducer内部进行排序。
使用sort by之前，一般要先设置reducer的个数

set mapreduce.job.reduces=3;
select * from student sort by id;

可以看到reducer的数量为3，并且查询结果也按id分成了3组；
如果把reducer的数量设置为4：

set mapreduce.job.reduces=4;
select * from student sort by id;

3.distribute by

其实就和sort by是一样的，也是先把所有数据分区，然后区内进行排序，不同的是sort by只设定了排序字段，并没有设置分区字段

select empno,sal from emp
distribute by empno
sort by sal desc;

4.cluster by

当分区字段和sort by字段一样时，就可以使用cluster by

select empno,sal from emp
cluster by empno;

可以看到，分区方式还是和上个例子是一样的，只是区内的排序方式不一样了（上例是按sal排序，本例是按empno排序）