hive中order by,distribute by,sort by,cluster by怎么用

這篇文章主要介紹hive中order by,distribute by,sort by,cluster by怎么用，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

order by,distribute by,sort by,cluster by  查詢使用說明

// 根據(jù)年份和氣溫對(duì)氣象數(shù)據(jù)進(jìn)行排序，以確保所有具有相同年份的行最終都在一個(gè)reducer分區(qū)中 

// 一個(gè)reduce(海量數(shù)據(jù),速度很慢)
select year, temperature
order by year asc, temperature desc
limit 100;  


// 多個(gè)reduce(海量數(shù)據(jù),速度很快)
select year, temperature  
distribute by year  
sort by year asc, temperature desc
limit 100;

order by  (全局排序 )
order by 會(huì)對(duì)輸入做全局排序，因此只有一個(gè)reducer（多個(gè)reducer無法保證全局有序）
只有一個(gè)reducer，會(huì)導(dǎo)致當(dāng)輸入規(guī)模較大時(shí)，需要較長的計(jì)算時(shí)間。

在hive.mapred.mode=strict模式下，強(qiáng)制必須添加limit限制，這么做的目的是減少reducer數(shù)據(jù)規(guī)模
例如，當(dāng)限制limit 100時(shí)， 如果map的個(gè)數(shù)為50， 則reducer的輸入規(guī)模為100*50



distribute by  (類似于分桶)
根據(jù)distribute by指定的字段對(duì)數(shù)據(jù)進(jìn)行劃分到不同的輸出reduce 文件中。


sort by   (類似于桶內(nèi)排序)
sort by不是全局排序，其在數(shù)據(jù)進(jìn)入reducer前完成排序。
因此，如果用sort by進(jìn)行排序，并且設(shè)置mapred.reduce.tasks>1， 則sort by只保證每個(gè)reducer的輸出有序，不保證全局有序。



cluster by
cluster by 除了具有 distribute by 的功能外還兼具 sort by 的功能。 
但是排序只能是倒序排序，不能指定排序規(guī)則為asc 或者desc。

因此，常常認(rèn)為cluster by = distribute by + sort by

以上是“hive中order by,distribute by,sort by,cluster by怎么用”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！