hive 排序

order by，sort by，distribute by和cluster by

1.order by ：全局排序，只有一个reduce

2.sort by；局部排序，每一个reduce内部有序，但是全局结果不一定有序

hive (default)> select * from  student;
student.id	student.name
1001	zs
1004	ww
1005	zl
1001	zhangshan
1002	lisi
1003	wangwu

sort by后：每一个reduce内有序
hive (default)> set mapreduce.job.reduces=2;   //2个reduce
hive (default)> select * from  student sort by  id;
student.id	student.name
//reduce 1
1001	zhangshan
1001	zs
1002	lisi
1005	zl
//reduce 2
1003	wangwu
1004	ww

3.distribute by：相当于MapReduce中的partition，即按照给定的列进行分区到不同的reduce

hive (default)> select * from  student;
student.id	student.name
1001	zs
1004	ww
1005	zl
1002	lisi
1001	zhangshan
1003	wangwu

hive (default)> select * from  student distribute by  id;
假如有两个reduce，则reduce中可能为：
reduce 1：
1001	zs
1002	lisi
1001	zhangshan

reduce 2：
1004	ww
1005	zl
1003	wangwu

可以看出，distribute by只是对给定列进行分区，并没有进行排序

4.cluster by：相当于distribute by 和 sort by的集合

以下两条语句是等价的：
select * from student distribute by id sort by id;
select * from student cluster by id;