籠統地看，這四個在hive中都有排序和聚集的作用，然而，它們在執行時所啟動的MR卻各不相同。

1、order by

order by會對所給的全部資料進行全域性排序，並且只會“叫醒”一個reducer幹活。它就像一個糊塗蛋一樣，不管來多少資料，都只啟動一個reducer來處理。因此，資料量小還可以，但資料量一旦變大order by就會變得異常吃力，甚至“罷工”。

• order by（ASC | DESC）:類似mysql
• 只使用一個Reducer執行全域性資料排序
• 速度慢,應提前做好資料過濾
• 支援使用CASE WHEN或表示式
• 支援按位置編號排序，需要設定：set hive.groupby.orderby.position.alias=true

select * from offers order by case when offerid = 1 then 1 else 0 end;
select * from offers order by 1;

2、sort by

sort by是區域性排序。相比order by的懶惰糊塗，sort by正好相反，它不但非常勤快，而且具備分身功能。sort by會根據資料量的大小啟動一到多個reducer來幹活，並且，它會在進入reduce之前為每個reducer都產生一個排序檔案。這樣的好處是提高了全域性排序的效率。

• SORT BY對每個Reducer中的資料進行排序
• 當Reducer數量設定為1時，等於ORDER BY
• 排序列必須出現在SELECT column列表中

3、distribute by

distribute by的功能是：distribute by 控制map結果的分發，它會將具有相同欄位的map輸出分發到一個reduce節點上做處理。即就是，某種情況下，我們需要控制某個特定行到某個reducer中，這種操作一般是為後續可能發生的聚集操作做準備。這樣肯定是全域性有序的，因為相同的欄位會被放到同一個reducer處理，distribute by需要和sort by一起使用，distribute by必須要寫在sort by之前。

• distribute by ：類似mysql的group by
• 確保具有匹配列值的行被分割槽到相同的Reducer
• 不會對每個Reducer的輸出進行排序
• 通常使用在SORT BY語句之前

select id,name,score from stu_score
distribute by id
sort by score desc;

4、cluster by

如果sort by和distribute by中所用的列相同，可以縮寫為cluster by以便同時指定兩者所用的列。

• cluster by ：除了具有distribute by 的功能外，還會對該欄位進行排序。
• CLUSTER BY = DISTRIBUTE BY + SORT BY
• 不支援ASC|DESC
• 排序列必須出現在SELECT column列表中
• 為了充分利用所有的Reducer來執行全域性排序，可以先使用CLUSTER BY，然後使用ORDER BY