hive四种排序区别及使用： （order by、sort by、distribute by 、cluster by）

第一个：order by

全局性排序，不管设置多少reduce task，只会启动1个reduce task进行排序，因此当输入规模较大时，需要较长的计算时间
当设置set mapred.reduce.tasks=2时，执行order by 排序语句，只显示一个reduce

第二个：sort by

根据reduce task数量，对每个reducer中的数据进行排序，只能保证局部有序。对全局结果集来说不是排序。
注意：
①当reducer task数量设置为1时，相当于order by排序
②排序列必须出现在select column列表中。
set mapreduce.job.reduces=3;
hive (stu_db)> select * from emp_salary order by salary desc;

全局排序；

hive (stu_db)> select * from emp_salary sort by salary desc;

分成三个部门排序；

第三个：distribute by

根据字段先进行分区，默认分区为字段的哈希值取模
注意：distribute by只根据字段分区，并不对字段进行排序，
因此常与sort by一起使用，保证分区内有序。

第四个：cluster by

相当于 distribute by+sort by
当distribute by和sort by 字段一致时，可以使用cluster by
注意：
①只能升序排序，不支持ASC 或： DESC
②排序列必须出现在SELECT column列表中