大数据之hive_hive的排序方式_hive 上亿数据排序

全局排序 Order By

Order By：全局排序，一个Reducer
1．使用 ORDER BY 子句排序
ASC（ascend）: 升序（默认）
DESC（descend）: 降序
2．ORDER BY 子句在SELECT语句的结尾
3．案例实操
（1）查询员工信息按工资升序排列

hive (default)> select * from emp order by sal;
1

（2）查询员工信息按工资降序排列
1

hive (default)> select * from emp order by sal desc;
1

按照别名排序
按照员工薪水的2倍排序

hive (default)> select ename, sal*2 twosal from emp order by twosal;
1

多个列排序
按照部门和工资升序排序

hive (default)> select ename, deptno, sal from emp order by deptno, sal ;
1

分区排序 Sort By

每个MapReduce内部排序（Sort By） combiner组件

Sort By：每个Reducer内部进行排序，对全局结果集来说不是排序。
1．设置reduce个数

hive (default)> set mapreduce.job.reduces=3;
1

2．查看设置reduce个数

hive (default)> set mapreduce.job.reduces;
1

3．根据部门编号降序查看员工信息

hive (default)> select * from emp sort by empno desc;
1

4．将查询结果导入到文件中（按照部门编号降序排序）
1

hive (default)> insert overwrite local directory '/hive/sb'
 select * from emp sort by deptno desc;
1
2

分区排序（Distribute By 指定分区字段 Sort 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。
案例实操：
（1）先按照部门编号分区，再按照员工编号降序排序,排序后可将数据导出到本地,可以看到被分成3个文件,因为reduce个数为3个,所以被分成了三份,分区时实际就是将distribute by的分区字段按hashcode%3然后分成三个区,然后再在区内进行sort by排序。

hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory '/root/data/distribute-result' select * from emp distribute by deptno sort by empno desc;
1
2

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。但是排序只能是升序排序，不能指定排序规则为ASC或者DESC。
1）以下两种写法等价

hive (default)> select * from emp cluster by deptno;
hive (default)> select * from emp distribute by deptno sort by deptno;
1
2

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。