hive：排序问题

一.hive排序以及对比

排序名称	reducer个数	说明
全局排序（order by）	1个
内部排序（sort by）	多个	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。
分区排序（Distribute By）	一定要分配多 reduce 进行处理	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，结合 sort by 使用。
Cluster By	多个	当 distribute by 和 sorts by 字段相同时，可以使用 cluster by 方式。只能是升序排序，不能指定排序规则为 ASC 或者 DESC

（1）Order By：全局排序，只有一个 Reducer

（2）排序方式

ASC （ ascend ） : 升序（默认）

DESC （ descend ） : 降序

（3）位置： ORDER BY 子句在 SELECT 语句的结尾

（举例）

查询员工信息按工资升序排列

select * from emp order by sal;

查询员工信息按工资降序排列

 select * from emp order by sal desc;

按照别名排序

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

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

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

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;

（4）将查询结果导入到文件中（按照部门编号降序排序）

insert 
overwrite 
local directory '/opt/module/datas/sortby-result'
select 
    *
from 
    emp 
sort by 
    deptno 
desc;

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，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。

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

当distribute by和sorts 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;

等价于

select * from emp distribute by deptno sort by deptno;

注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。