Hive 的 HQL 语句：distribute by与group by，order by与sort by 的区别

转载：https://www.cnblogs.com/huxinga/p/7688376.html

distribute by与group by 的区别

都是按key值划分数据 都使用reduce操作 **唯一不同的是，distribute by只是单纯的分散数据，distribute by col – 按照col列把数据分散到不同的reduce。而group by把相同key的数据聚集到一起，后续必须是聚合操作。

order by与sort by 的区别

order by是全局排序 sort by只是确保每个reduce上面输出的数据有序。如果只有一个reduce时，和order by作用一样。

cluster by

把有相同值的数据聚集到一起，并排序。 效果等价于distribute by col sort by col， cluster by col  <==> distribute by col sort by col

参考：