Hive中的四种排序方式（order by,sort by,distribute by,cluster by）使用与区别详解

最新推荐文章于 2024-12-06 13:57:55 发布

皮哥四月红

最新推荐文章于 2024-12-06 13:57:55 发布

阅读量1.4w

点赞数 23

分类专栏： Hive 文章标签： hive

本文链接：https://blog.youkuaiyun.com/weixin_43230682/article/details/107342575

版权

本文详细介绍了Hive中的四种排序方式：order by（全局排序）、sort by（局部排序）、distribute by（分区排序）和cluster by（分区+局部排序）。order by确保全局排序但只有一个reducer，适合配合limit使用；sort by在每个reducer内部排序，不保证全局有序；distribute by用于控制行流向哪个reducer，常与sort by结合使用；cluster by等同于distribute by + sort by，但排序只能是升序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在平时的Hive数仓开发工作中经常会用到排序，而Hive中支持的排序方式有四种，这里结合具体的案例详细介绍一下他们的使用与区别：

order by
sort by
distribute by
cluster by

准备工作：

新建一个测试用表employInfo：
create table employInfo(deptID int,employID int,employName string,employSalary double) 
row format delimited fields terminated by ',';

向测试用表中导入测试数据：
load data local inpath '/home/hadoop/datas/employInfo.txt' into table employInfo;

以下为测试用的数据：

[hadoop@weekend110 datas]$ cat employInfo.txt 
deptID,employID,employName,employSalary
1,1001,Jack01,5000
1,1002,Jack02,5001
1,1003,Jack03,5002
1,1004,Jack04,5003
1,1005,Jack05,5004
1,1006,Jack06,5005
1,1007,Jack07,5006
1,1008,Jack08,5007
1,1009,Jack09,5008
1,1010,Jack10,5009
1,1011,Jack11,5010
1,1012,Jack12,5011
2,1013,Maria01,7500
2,1014,Maria02,7501
2,1015,Maria03,7502
2,1016,Maria04,7503
2,1017,Maria05,7504
2,1018,Maria06,7505
2,1019,Maria07,7506
2,1020,Maria08,7507
2,1021,Maria09,7508
3,1022,Lucy01,8540
3,1023,Lucy02,8541
3,1024,Lucy03,8542
3,1025,Lucy04,8543
3,1026,Lucy05,8544
3,1027,Lucy06,8545
3,1028,Lucy07,8546
3,1029,Lucy08,8547
3,1030,Lucy09,8548
3,1031,Lucy10,8549
3,1032,Lucy11,8550
3,1033,Lucy12,8551
4,1034,Jimmy01,10000
4,1035,Jimmy02,10001
4,1036,Jimmy03,10002
4,1037,Jimmy04,10003
4,1038,Jimmy05,10004
4,1039,Jimmy06,10005
4

最低0.47元/天解锁文章