Hive：数据查询（5.Hive中的排序）

1.Order by

Order by 代表全排序
全排序： 对整个数据集进行排序！ 要求只能有一个reduceTask!
导入emp和dept表！

select * from emp order by sal desc;
select * from emp order by job,sal desc;

2.Sort by

sort by代表部分排序！
部分排序： 设置多个reduceTask，每个reduceTask对所持有的分区的数据进行排序！
每个分区内部整体有序！

①需要手动修改mapreduce.job.reduces，告诉hive我们需要启动多少个reduceTask

set mapreduce.job.reduces=3

②进行部分排序

insert overwrite local directory '/home/jaffe/sortby' select * from emp sort by deptno;

sort by只是指定排序的字段，无法控制数据按照什么字段进行分区！

3.Distribute by

结合sort by一起使用！Distribute by必须写在sort by 之前！ 先分区，再排序！用来指定使用什么字段进行分区！

需求： 按照部门号，对同一个部门的薪水进行降序排序，每一个部门生成一个统计的结果文件！

操作: 按照部门号进行分区，按薪水进行降序排序

insert overwrite local directory '/home/jaffe/sortby' row format delimited fields terminated by '\t'  select * from emp Distribute by deptno sort by sal desc ;

4.Cluster by

cluster by是一种简化！

如果sort by 和 distribute by的字段一致，且希望按照asc进行排序！那么可以简写为cluster by

distribute by sal sort by sal  asc  等价于   cluster by sal 

如果使用了cluster by，不支持降序，只支持升序！

5.本地模式

MR以local模式运行！数据量小，比YARN上运行要快！
设置：

set hive.exec.mode.local.auto=true;