总说：
笼统地看，这四个在hive中都有排序和聚集的作用，然而，它们在执行时所启动的MR却各不相同。
细讲：
order by：
order by会对所给的全部数据进行全局排序，并且只会“叫醒”一个reducer干活。它就像一个糊涂蛋一样，不管来多少数据，都只启动一个reducer来处理。因此，数据量小还可以，但数据量一旦变大order by就会变得异常吃力，甚至“罢工”。
sort by：
sort by是局部排序。相比order by的懒惰糊涂，sort by正好相反，它不但非常勤快，而且具备分身功能。sort by会根据数据量的大小启动一到多个reducer来干活，并且，它会非常勤快的参与到每个reducer中，即sort by会为每个reducer产生一个排序文件。这样的好处是提高了全局排序的效率。
distribute by：
distribute by的功能是：某种情况下，我们需要控制某个特定行到某个reducer中，这种操作一般是为后续可能发生的聚集操作做准备。
举一个最常见的栗子：
接上面，
以上栗子为在根据年份和气温对气象数据进行排序时，我们希望看到同一年的数据被放到同一个reducer中去处理。因而，这个结果也肯定是全局排序的。特别的，当distribute by 遇上 sort by时，distribute by要放在前面，这个不难理解，因为要先通过distribute by 将待处理的数据放到reducer中，才能让sort by去到每个reducer中干活，不然reducer中都没活干，sort by去白跑一趟。
cluster by：
cluster by，在《Hadoop权威指南第二版》中这样描述道：
也就是说，如果参照上面气象数据的栗子，当二者皆取year列时，sql语句如下：
from recrds2
select year , temperature
cluster by year;