前言
作为数据开发工程师，在平时工作中，肯定接到过产品小姐姐提的排序需求，例如在mysql数据库中，就是使用order by函数。在hive中也是有order by函数的，那么除了order by之外是否还有其他排序函数呢？今天就跟小伙伴们聊聊hive中有哪些排序函数以及使用场景！
1. order by
全局排序，默认升序。Hive在运行MR程序时会指定Reducer个数为1，因为多个reducer无法保证全局有序。这样就会导致当输入规模较大时，需要较长的计算时间。
注意：
- 与数据库中 order by 的区别：在hive.mapred.mode = strict 模式下，必须指定 limit，否则执行会报错。 原因：如果在数据量大的情况下，一个reducer无法处理；如果指定limit n ，就只有 n * map number 条记录而已，一个reducer就可以正常处理。
- 其他情况下，与数据库中的Order by 功能一致，即按照某一个或几个字段排序输出。
2. sort by
局部排序。其在数据进入reducer前完成排序。
若需要全局排序结果, 只需再进行一次归并排序即可。
注意：需要根据实际情况设置Reducer个数，设置set mapreduce.job.reduces=n，（n>1）
3. distribute by
分区排序。顾名思义，是起分散数据作用的，类似 MR 中 partition，进行分区。比如：distribute by c1，则是拿c1列作为key分散到不同的reducer里去，默认采取的是hash算法。
大家有没有觉得它跟group by很像呢？其实它两唯一的区别，distribute by只是分发数据到reducer，而group by将数据分发完以后，必须只能跟count,sum,avg等聚合操作。
注意：
- 这里 Hive 所使用的 key 并不是表中的 key, 而是 Hive 指定的多列结合的特殊 key: 所使用的变量 mapreduce.map.ouput.key.class 为 org.apache.hadoop.hive.ql.io.HiveKey
- 如果想要排序, 需要结合 sort by 使用，并且distribute by 语句要写在 sort by 语句之前
4. cluster by
簇排序。cluster by 具有 distribute by 和 sort by 的组合功能，即当 distribute by 和 sort by 字段相同时，可使用 cluster by 方式替代。但是cluster by排序只能是升序排序，不能指定排序规则为ASC或者DESC。
注意：cluster by 和 distribute by 是很相似的，也采用HashPartition算法，区别在于：cluster by 里含有一个分桶的方法
总结
只有了解了各个排序函数的功能和使用场景，才能在开发过程中达到事半功倍的效果，提升HQL性能，节省计算资源，提质增效。
