Hive语法之排序

---

全局排序（Order By）

Order By：全局排序，只有一个 Reducer

ORDER BY 子句排序
ORDER BY 子句在 SELECT 语句的结尾

ASC（ascend）: 升序（默认）
DESC（descend）: 降序

升序降序

查询员工按消费升序排列

select * from t_window order by cost;

查询员工按消费升序降序

select * from t_window order by cost desc ;

按照别名排序

按照顾客消费金额的 2 倍排序

select name, cost*2 twocost from t_window order by twocost;

多个列排序

按照日期和金额升序排序

select name, orderdate, cost from t_window order by orderdate, cost;

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。

设置 reduce 个数

set mapreduce.job.reduces=3;

查看设置 reduce 个数

set mapreduce.job.reduces;

根据消费金额查看顾客信息

select * from t_window sort by cost;

分区排序（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，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。
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。

设置 reduce 个数

set mapreduce.job.reduces=3;

先按日期分区，再按金额降序

select * from t_window distribute by orderdate sort by cost desc;

簇排序（Cluster By）

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。

cluster by = distribute by +sort by 。

两种写法等价

select * from t_window cluster by cost
select * from t_window distribute by orderdate sort by cost desc;