Hive 和数据库比较
Hive 和数据库除了拥有类似的查询语言,再无类似之处。
1数据格式:hive数据格式可以用户自定义,mysql有自己的系统定义格式;
2数据规模:hive存储的数据量超级大,而mysql只是存储一些少量的业务数据;
3数据存储位置:Hive 存储在 HDFS 。数据库将数据保存在块设备或者本地文件系统中。
4数据更新 :Hive 中不建议对数据的改写。而数据库中的数据通常是需要经常进行修改的
Sort by Order by Distrbute by Cluster by
1)Sort By:分区内有序;
不是全局排序,其在数据进入reducer前完成排序,也就是说它会在数据进入reduce之前为每个reducer都产生一个排序后的文件。因此,如果用sort by进行排序,并且设置mapreduce.job.reduces>1,则sort by只保证每个reducer的输出有序,不保证全局有序。
2)Order By:全局排序,只有一个 Reducer;
order by会对输入做全局排序,因此只有一个Reducer(多个Reducer无法保证全局有序),然而只有一个reducer,会导致当输入规模较大时,消耗较长的计算时间
3)Distrbute By:类似 MR 中 Partition,进行分区,结合 sort by 使用。
distribute by是控制在map端如何拆分数据给reduce端的。类似于MapReduce中分区partationer对数据进行分区
hive会根据distribute by后面列,将数据分发给对应的reducer,默认是采用hash算法+取余数的方式。
4)Cluster By:当 Distribute by 和 Sorts 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