1. order by

Hive中的order by跟傳統(tǒng)的sql語(yǔ)言中的order by作用是一樣的，會(huì)對(duì)查詢的結(jié)果做一次全局排序，所以說(shuō)，只有hive的sql中制定了order by所有的數(shù)據(jù)都會(huì)到同一個(gè)reducer進(jìn)行處理（不管有多少map，也不管文件有多少的block只會(huì)啟動(dòng)一個(gè)reducer）。但是對(duì)于大量數(shù)據(jù)這將會(huì)消耗很長(zhǎng)的時(shí)間去執(zhí)行。
這里跟傳統(tǒng)的sql還有一點(diǎn)區(qū)別：如果指定了hive.mapred.mode=strict（默認(rèn)值是nonstrict）,這時(shí)就必須指定limit來(lái)限制輸出條數(shù)，原因是：所有的數(shù)據(jù)都會(huì)在同一個(gè)reducer端進(jìn)行，數(shù)據(jù)量大的情況下可能不能出結(jié)果，那么在這樣的嚴(yán)格模式下，必須指定輸出的條數(shù)。

2. sort by

Hive中指定了sort by，那么在每個(gè)reducer端都會(huì)做排序，也就是說(shuō)保證了局部有序（每個(gè)reducer出來(lái)的數(shù)據(jù)是有序的，但是不能保證所有的數(shù)據(jù)是有序的，除非只有一個(gè)reducer），好處是：執(zhí)行了局部排序之后可以為接下去的全局排序提高不少的效率（其實(shí)就是做一次歸并排序就可以做到全局排序了）。

3. distribute by和sort by一起使用

ditribute by是控制map的輸出在reducer是如何劃分的，舉個(gè)例子，我們有一張表，mid是指這個(gè)store所屬的商戶，money是這個(gè)商戶的盈利，name是這個(gè)store的名字

執(zhí)行hive語(yǔ)句：

select mid, money, name from store distribute by mid sort by mid asc, money asc  

我們所有的mid相同的數(shù)據(jù)會(huì)被送到同一個(gè)reducer去處理，這就是因?yàn)橹付薲istribute by mid，這樣的話就可以統(tǒng)計(jì)出每個(gè)商戶中各個(gè)商店盈利的排序了（這個(gè)肯定是全局有序的，因?yàn)橄嗤纳虘魰?huì)放到同一個(gè)reducer去處理）。這里需要注意的是distribute by必須要寫(xiě)在sort by之前。

4. cluster by

cluster by的功能就是distribute by和sort by相結(jié)合，如下2個(gè)語(yǔ)句是等價(jià)的：

select mid, money, name from store cluster by mid 
select mid, money, name from store distribute by mid sort by mid  

如果需要獲得與3中語(yǔ)句一樣的效果：

select mid, money, name from store cluster by mid sort by money  

注意被cluster by指定的列只能是降序，不能指定asc和desc。