Hive order by/sort by/distribute by/cluster by作用

Hive order by/sort by/distribute by/cluster by作用

order by

Hive中的order by跟传统的sql语言中的order by作用是一样的，会对查询的结果做一次全局排序，所以说，只有hive的sql中制定了order by所有的数据都会到同一个reducer进行处理（不管有多少map，也不管文件有多少的block只会启动一个reducer）。但是对于大量数据这将会消耗很长的时间去执行。

sort by

sort by 只会对每一个reducer 中的数据进行排序，也就是执行一个局部的排序，这个可以保证每一个reducer的输出数据都是有序的（但并非全局有序）。这样可以提高后面进行全局排序的效率。

distribute by

distribute by 控制map的输出在reducer中是如何划分的。distribute by语句必须写在sort by语句之前。

cluster by

cluster by的功能就是distribute by和sort by相结合。