Hive-全局排序、内部排序、分区、分区排序

排序

全局排序（Order By）

Order By：全局排序，只有一个Reducer

1）使用 ORDER BY 子句排序

ASC（ascend）: 升序（默认）

DESC（descend）: 降序

（1）查询员工信息按工资升序排列

hive (default)> select * from emp order by sal;

（2）查询员工信息按工资降序排列

hive (default)> select * from emp order by sal desc;

（3）按照别名排序，按照员工薪水的2倍排序

hive (default)> select ename, sal*2 twosal from emp order by twosal;

（4）多个列排序，按照部门和工资升序排序

hive (default)> select ename, deptno, sal from emp order by deptno, sal;

每个Reduce内部排序（Sort By）

Sort By：对于大规模的数据集order by的效率非常低。在很多情况下，并不需要全局排序，此时可以使用sort by。

sort by为每个reducer产生一个排序文件。每个Reducer内部进行排序，对全局结果集来说不是排序。

1）设置reduce个数（如果reduce为1个，效果与Order by一样）

hive (default)> set mapreduce.job.reduces=3;

2）查看设置reduce个数（默认值是-1，由hive自动设置分区）

hive (default)> set mapreduce.job.reduces;

3）根据部门编号降序查看员工信息

hive (default)> select * from emp sort by deptno desc;

分区（Distribute By）

Distribute By： 在有些情况下，我们需要控制某个特定行应该到哪个reducer，通常是为了进行后续的聚集操作。
distribute by 子句可以做这件事。distribute by 类似MR中partition（自定义分区），进行分区，通常结合sort by使用。

1）案例实操：

（1）先按照部门编号分区，再按照员工编号降序排序。

hive (default)> set mapreduce.job.reduces=3;

hive (default)> insert overwrite local directory 
	'/opt/module/hive/datas/distribute-result' 
	select * from emp distribute by deptno sort by sal desc;

注意：

• distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后，余数相同的分到一个区。

• Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。

分区排序（Cluster By）

要求分区的字段 和 排序的字段是同一个
当distribute by和sort 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。

（1）以下两种写法等价

select * from emp cluster by deptno;
select * from emp distribute by deptno sort by deptno;