一耸彪、order by
order by 會對輸入做全局排序，因此只有一個reducer（多個reducer無法保證全局有序）只有一個reducer凳谦，會導致當輸入規(guī)模較大時念恍，需要較長的計算時間。
set hive.mapred.mode=nonstrict; (default value / 默認值)
set hive.mapred.mode=strict;
order by 和數(shù)據(jù)庫中的Order by 功能一致恕稠，按照某一項 & 幾項 排序輸出琅绅。
與數(shù)據(jù)庫中 order by 的區(qū)別在于在hive.mapred.mode = strict 模式下 必須指定 limit 否則執(zhí)行會報錯。
hive> select * from test order by id;
FAILED: Error in semantic analysis: 1:28 In strict mode, if ORDER BY is specified, LIMIT must also be specified. Error encountered near token 'id'
原因： 在order by 狀態(tài)下所有數(shù)據(jù)會到一臺服務器進行reduce操作也即只有一個reduce鹅巍，如果在數(shù)據(jù)量大的情況下會出現(xiàn)無法輸出結果的情況千扶。
注意：可以用limit子句大大減少數(shù)據(jù)量。使用limit n后骆捧，傳輸?shù)絩educe端（單機）的數(shù)據(jù)記錄數(shù)就減少到n個澎羞。否則由于數(shù)據(jù)過大可能出不了結果
二、sort by
sort by不是全局排序敛苇，其在數(shù)據(jù)進入reducer前完成排序.
因此妆绞，如果用sort by進行排序，并且設置mapred.reduce.tasks>1枫攀， 則sort by只保證每個reducer的輸出有序括饶，不保證全局有序。
sort by 不受 hive.mapred.mode 是否為strict ,nostrict 的影響
sort by 的數(shù)據(jù)只能保證在同一reduce中的數(shù)據(jù)可以按指定字段排序来涨。
使用sort by 你可以指定執(zhí)行的reduce 個數(shù) （set mapred.reduce.tasks=<number>）,對輸出的數(shù)據(jù)再執(zhí)行歸并排序图焰，即可以得到全部結果。
需要注意的是蹦掐，N個Reduce處理的數(shù)據(jù)范圍是可以重疊的技羔，所以最后排序完的N個文件之間數(shù)據(jù)范圍是有重疊的。
三卧抗、distribute by
按照指定的字段對數(shù)據(jù)進行劃分到不同的輸出reduce / 文件中藤滥。
insert overwrite local directory '/home/hadoop/out' select * from test order by name distribute by length(name);
此方法會根據(jù)name的長度劃分到不同的reduce中，最終輸出到不同的文件中社裆。
length 是內(nèi)建函數(shù)拙绊，也可以指定其他的函數(shù)或這使用自定義函數(shù)
這個可以保證每個Reduce處理的數(shù)據(jù)范圍不重疊，每個分區(qū)內(nèi)的數(shù)據(jù)是沒有排序的。
四时呀、Cluster By
cluster by 除了具有 distribute by 的功能外還兼具 sort by 的功能张漂。
但是排序只能是倒序排序，不能指定排序規(guī)則為asc 或者desc
