hive的四个排序方法

一、 order by

order by 是要对输出的结果进行全局排序，这就意味着只有一个reduce task时才能实现（多个reducer无法保证全局有序）但是当数据量过大的时候，效率就很低，速度会很慢。可以指定升序asc 降序desc

二、sort by

sort by 不是全局排序，只保证了每个reduce task中数据按照指定字段和排序方式有序排列，是局部排序。排序列必须出现在select column列表中，reduce task 的数量可以通过 set mapred.reduce.tasks=[num] 来设置，当reducer task数量设置为1时，相当于order by排序
ps:一般不单独使用

三、distribute by

distribute by 指的是按照指定的字段进行划分，将数据分到不同的输出reduce task中，通常与sort by一起使用，使用时distribute by必须放在前面。数据通过hash算法分到不同的task中。-----先分组再排序
分组个数由reduce个数决定，分组内有序，但是不能保证分组外有序，可以指定升序还是降序

四、cluster by

cluster by 可以看做是一个特殊的distribute by+sort by，它具备二者的功能，但是只能实现正序排序的方式，不能指定排序方式。