排序
全局排序(Order By)
Order By:全局排序,只有一个Reducer
1)使用 ORDER BY 子句排序
ASC(ascend): 升序(默认)
DESC(descend): 降序
(1)查询员工信息按工资升序排列
hive (default)> select * from emp order by sal;
(2)查询员工信息按工资降序排列
hive (default)> select * from emp order by sal desc;
(3)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;
(4)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;
每个Reduce内部排序(Sort By)
Sort By:对于大规模的数据集order by的效率非常低。在很多情况下,并不需要全局排序,此时可以使用sort by。
sort by为每个reducer产生一个排序文件。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(如果reduce为1个,效果与Order by一样)
hive (default)> set mapreduce.job.reduces=3;
2)查看设置reduce个数(默认值是-1,由hive自动设置分区)
hive (default)> set mapreduce.job.reduces;
3)根据部门编号降序查看员工信息
hive (default)> select * from emp sort by deptno desc;
分区(Distribute By)
Distribute By: 在有些情况下,我们需要控制某个特定行应该到哪个reducer,通常是为了进行后续的聚集操作。
distribute by 子句可以做这件事。distribute by 类似MR中partition(自定义分区),进行分区,通常结合sort by使用。
1)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。
hive (default)> set mapreduce.job.reduces=3;
hive (default)> insert overwrite local directory
'/opt/module/hive/datas/distribute-result'
select * from emp distribute by deptno sort by sal desc;
注意:
-
distribute by的分区规则是根据分区字段的hash码与reduce的个数进行模除后,余数相同的分到一个区。
-
Hive要求DISTRIBUTE BY语句要写在SORT BY语句之前。
分区排序(Cluster By)
要求分区的字段 和 排序的字段是同一个
当distribute by和sort 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
select * from emp cluster by deptno;
select * from emp distribute by deptno sort by deptno;