Hive之排序

排序

1. 全局排序（Order By）

全局排序，一个MapReduce

• ASC（ascend）: 升序（默认）
• DESC（descend）: 降序

select * from emp order by sal;
select * from emp order by sal desc;

2. 按别名排序

# 按照员工薪水的2倍排序
select ename, sal*2 twosal from emp order by twosal;

3. 多个列排序

# 按照部门和工资升序排序
select ename, deptno, sal from emp order by deptno, sal ;

4. 每个MapReduce内部排序（Sort By）

Sort By：每个MapReduce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;
# 根据部门编号降序查看员工信息
select * from emp sort by empno  desc;
# 将查询结果导入到文件中(按照部门编号降序排序）
insert  overwrite local  directory '/opt/module/datas/sortby-result' select  * from emp sort by deptno desc;

5. 分区排序（Distribute By）

Distribute By： 类似MR中partition，进行分区，结合sort by使用。

• 注意，Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。
• 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。

# 先按照部门编号分区，再按照员工编号降序排序。
set mapreduce.job.reduces=3;

insert  overwrite local  directory  '/opt/module/datas/distribute-result' 
select * from emp distribute by deptno sort by empno desc;

6. Cluster By

• 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。 但是排序只能是倒序排序，不能指定排序规则为ASC或者DESC。

# 以下两种写法等价
select * from emp cluster by deptno;
select * from emp distribute by deptno sort by deptno;

• 注意：按照部门编号分区，不一定就是固定死的数值，可以是20号和30号部门分到一个分区里面去。