Hive中的distribute by、order by、sort by解析

distribute by 是控制map端在reduce上是如何区分的，distribute by会把相同的Keyf放到同一个reduce中。可以结合sort by 使用，distribute by必须要写在sort by之前，先进行分组reduce，再进行排序。

select mid, money, name from store distribute by mid sort by mid asc, money asc；

order by：是进行全局排序的，当数据量很大时候，效率会很慢。

sort by： 是局部排序，会在每个reduce端做排序，每个reduce端是排序的，也就是每个reduce输出的数据是有序的，但是整体不一定有序，除非只有一个reduce，一般情况下可以先进行局部排序完成后，再进行全局排序，会提高效率。