Hive查询之 排序
写在前面
- Linux版本：
CentOS7.5 - Hive版本：
Hive-3.1.2
Hive查询之排序
全局排序（Order By）
Order By：是
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
（2）ORDER BY 子句在SELECT语句的结尾
（3）案例实操
- 查询员工信息按工资升序排列
hive (default)> select * from emp order by sal;
- 查询员工信息按工资降序排列
hive (default)> select * from emp order by sal desc;
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;
多个列排序
按照部门和工资联合字段进行升序排序
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。
设置reduce的个数
hive (default)> set mapreduce.job.reduces=3;
查看设置reduce的个数
hive (default)> set mapreduce.job.reduces;
根据部门编号降序查看员工的信息
hive (default)> select * from emp sort by deptno desc;
将查询的结果导入到文件中（按照部门编号降序排序）
hive (default)> insert overwrite local directory '/opt/module/hive/datas/sortby-result'
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，结合sort by使用。
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：
- 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 empno 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。
Cluster By
当
distribute by和sort by字段相同时，可以使用cluster by方式。
同时，我们要知道：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。
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;
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。
全文结束！！！
