持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第25天，点击查看活动详情
接着上一文继续介绍hive中的排序，本文继续介绍一些排序方法以及条件查询的方法。
上一篇的排序方法中介绍了order by的使用方法和具体逻辑，另外还有一种排序函数是sort by。解释一下sort by的实现逻辑：
SORT BY语句会在hive中的每个Reduce中对数据进行排序，这里是第一层排序保证，可以保证每个Reduce输出的数据是有序的（但是在全局中就不一定有序），但又是它可以提高全局排序的性能。DISTRIBUTE语句结合SORT BY语句可以实现在第一列数据相同时，能够按照第二列数据进行排序。
此外还有一种排序distribute by，他和sort by不同的是通过建立map中的新排序，可以将map分发到不同的reduce节点上，这就可以和sort by组合在一起实现全局化的排序。所以可以将distribute by作为前置排序，后置使用到sort by进行聚焦汇总排序，提高排序查询效率。
select name,id,student_age from student_table_test distribute by age sort by age;
select name,id,student_age from student_table_test cluster by age;
在这种双重排序的加工下，可以对数据进行高效全量的一个排序，因为这种方式应用的比较广泛，所以还出了一个cluster by的写法，就是当distribute by和sort by指定的列相同的时候，可以直接使用cluster by，即上面两种写法的结果是一样的。
在查询中还可以转换类型，使用到cast的方法。具体使用方式为cast(value As TYPE)。具体例子来写一个。
select name,id,sex from student_table where cast(stuId as int) >10000; -- 首先将stuId转换为int类型，然后再按照stuId过滤查询数据。
归纳总结一下在hive中应用到的排序的方式有order by,sort by ,distribute by以及cluster by，具体问题具体分析，具体案例该用哪一种还是要根据实际情况去区分。
