hive中order by 、sort by、distribute by、cluster by、group by操作

order by
对输入做全局排序,因此只有一个reducer,会导致当输入规模较大时,需要较长的计算时间。

SELECT * FROM db_hive.employee ORDER BY empID desc;     //按照empID降序排列

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mapreduce.job.reduces>1,则sort by只保证每个reducer的输出有序,不保证全局有序。

set mapreduce.job.reduces = 3;   //设置reduce数目
> INSERT [OVERWRITE] LOCAL DIRECTORY '/home/hadoop/hive-exp'
> SELECT * FROM db_hive.employee 
> SORT BY empID asc;        //在本地会生成3个reduce结果文件,每个文件按照empID升序排列

distribute by
类似于MapReduce中分区partation,对数据进行分区,结合sort by进行使用
distribute by控制在map端如何拆分数据给reduce端。hive会根据distribute by后面列,对应reduce的个数进行分发,默认是采用hash算法。

> INSERT [OVERWRITE] LOCAL DIRECTORY
Spark中的sort byorder by是用于对数据进行排序的操作sort by是将数据放到多个reduce里面进行排序,排序后每一个reduce里面的数据是有序的,但是全部数据不一定有序。如果reduce个数为1,此时全部数据有序,等价于order by操作。当需要对全部数据排序时,可以先使用sort by局部排序(sort by可以设置reduce个数),然后再使用order by排序,将会大大提高效率。\[1\] Spark采用的排序方法是TIMSort,它是归并排序的优化版,并且在小数据量时切换为binarySort来提升效率。无论是TimSort还是binarySort都是排序稳定的,因此不应该出现多次结果不一致的情况。在Spark的代码中,可以追踪到ShuffleInMemorySorter类中的insertRecord方法,该方法用于将记录插入到排序器中。\[2\] 另外,Spark中还有其他与排序相关的操作,如group bydistribute byorder bygroup by将相同的key放到同一个reduce中,但后面必须跟聚合操作distribute bygroup by的作用类似,都是将key值相同的数据放到同一个reduce中;而order by是全局排序,而sort by是局部排序,当sort by中reduce为1时,等价于order by。\[3\] #### 引用[.reference_title] - *1* *3* [【Hivesort byorder bydistribute bygroup bycluster by区别](https://blog.youkuaiyun.com/Asher117/article/details/108979573)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [避坑:Spark Sql的Order By排序是不稳定的](https://blog.youkuaiyun.com/weixin_39445556/article/details/121072103)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值