Hive的Sort by Order by Distribute by Cluster by

sort by是分区内排序，一个Reduce对一个Map的数据排序，效率高。

order by是全局排序，一个Reduce对所有Map内的数据排序，效率低。

distribute by 是对数据分区，根据字段哈希值取模来划分到不容的MR内。注意哈希碰撞
哈希碰撞：Hash碰撞是指两个不同的输入值，经过哈希函数的处理后，得到相同的输出值，这种情况被称之为哈希碰撞。
例如：两个不同的对象（object1和object2的值）经过Hash函数计算后的，得到的hash值相同，object2应放到object1的位置，但是存储桶中的位置已经被object1占用了，导致冲突
使用场景：根据学生班级分区，然后按照分数降序。
要先分区在排序，否则报错！

cluster by 依据某一字段分区后排序。
当ditribute by 和sort by 对同一字段操作时，就可以简化为cluster by 。要和group by 区分。
当分区数小于字段分类数时，可以局部有序，解决数据倾斜。