1.order by
order by 可以指定desc/asc
order by 会对输入做全局排序,因此只有一个reduce(多个reducer无法保证全局排序),但是一个reducer,会导致当输入规模较大时,计算时间会变长。
2.sort by
sort by 不是全局排序,其数据在进入reducer钱完成排序,因此如果用sort by进行排序,兵器让设置mapped.reduce.task>1,则sort by只会保证每个reducer的输出有序,并不保证全局有序。(全排序的实现:先sort by 然后order by。
3.distribute by(重要)
distribute by 是控制在map端如何拆分数据给reducer端的。hive会根据distribute by 后面列,对应reduce的个数进行分发,某人是采用hash算法。sort by 为每个reducer产生一个排序文件。在有些情况下,你需要控制某个特定行应该到那个reducer,这通常是为了进行后学的聚集操作。distribute by刚好可以做这件事。因此,distribute by通常和sort by配合使用。
select * from store distribute by merid sort by money desc;
4.cluster by
cluster by具有 distribute by和 sort by的组合功能。但是排序只能是升序排序,不能指定排序规则为ASC或者DESC