hive 中的Sort By、 Order By、Cluster By、Distribute By 区别<转>

Order by：

order by 会对输入做全局排序，因此只有一个reducer（多个reducer无法保证全局有序）

只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。

在hive.mapred.mode=strict模式下，强制必须添加limit限制，这么做的目的是减少reducer数据规模

Sort by：

sort by不是全局排序，其在数据进入reducer前完成排序。

因此，如果用sort by进行排序，并且设置 mapred.reduce.tasks>1， 则sort by只保证每个reducer的输出有序，不保证全局有序。Distribute by：

根据distribute by指定的内容将数据分到同一个reducer

Cluster by：

除了具有Distribute by的功能外，还会对该字段进行排序。因此，常常认为cluster by = distribute by + sort by