hive聚合函数之排序

1 全局排序（Order By）

Order By：全局排序，只有一个Reduce。
(1）.使用Order By子句排序
asc（ascend）：升序（默认）
desc（descend）：降序
(2）.Order By子句在select语句的结尾

基础案例实操

（1）查询员工信息按工资升序排列

select 
    * 
from emp 
order by sal;

（2）查询员工信息按工资降序排列

select 
    * 
from emp 
order by sal desc;

(3）按照员工薪水的2倍排序

select 
    ename, 
    sal * 2 twosal 
from emp 
order by twosal;

(4) 多个列排序案例实操
按照部门和工资升序排序。

select 
    ename, 
    deptno, 
    sal 
from emp 
order by deptno, sal;

2 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reduce产生一个排序文件。每个Reduce内部进行排序，对全局结果集来说不是排序。
(1）设置reduce个数

set mapreduce.job.reduces=3;

(2）查看设置reduce个数

set mapreduce.job.reduces;

(3）根据部门编号降序查看员工信息

select 
    * 
from emp 
sort by deptno desc;

通过两次sort by 排序比一次order by排序执行效率高

3 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MapReduce中partition（自定义分区），进行分区，结合sort by使用。
对于distribute by进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。

案例实操：
(1）设置reduce个数

set mapreduce.job.reduces=3;

(2）查看设置reduce个数

set mapreduce.job.reduces;

(3) 先按照部门编号分区，再按照员工编号薪资排序

select 
    * 
from emp 
distribute by deptno 
sort by sal desc;

distribute by的分区规则是根据分区字段的hash码与reduce的个数进行相除后，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。
演示完以后mapreduce.job.reduces的值要设置回-1，否则下面分区or分桶表load跑MapReduce的时候会报错。

4 分区排序（Cluster By）

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。

select 
    * 
from emp 
cluster by deptno;

select 
    * 
from emp 
distribute by deptno 
sort by deptno;