hive 的四种排序
来源:互联网 发布:极限挑战嘉宾知乎 编辑:程序博客网 时间:2024/05/16 18:14
order by
order by 会对输入做全局排序,因此只有一个reducer(多个reducer无法保证全局有序)
只有一个reducer,会导致当输入规模较大时,需要较长的计算时间。
set hive.mapred.mode=nonstrict; (default value / 默认值)
set hive.mapred.mode=strict;
order by 和数据库中的Order by 功能一致,按照某一项 & 几项 排序输出。
与数据库中 order by 的区别在于在hive.mapred.mode = strict 模式下 必须指定 limit 否则执行会报错。
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 状态下所有数据会到一台服务器进行reduce操作也即只有一个reduce,如果在数据量大的情况下会出现无法输出结果的情况,如果进行 limit n ,那只有 n * map number 条记录而已。只有一个reduce也可以处理过来。
sort by
sort by不是全局排序,其在数据进入reducer前完成排序.
因此,如果用sort by进行排序,并且设置mapred.reduce.tasks>1, 则sort by只保证每个reducer的输出有序,不保证全局有序。
sort by 不受 hive.mapred.mode 是否为strict ,nostrict 的影响
sort by 的数据只能保证在同一reduce中的数据可以按指定字段排序。
使用sort by 你可以指定执行的reduce 个数 (set mapred.reduce.tasks=<number>),对输出的数据再执行归并排序,即可以得到全部结果。
注意:可以用limit子句大大减少数据量。使用limit n后,传输到reduce端(单机)的数据记录数就减少到n* (map个数)。否则由于数据过大可能出不了结果。
distribute by
按照指定的字段对数据进行划分到不同的输出reduce / 文件中。
insert overwrite local directory '/home/hadoop/out' select * from test order by name distribute by length(name);
此方法会根据name的长度划分到不同的reduce中,最终输出到不同的文件中。
length 是内建函数,也可以指定其他的函数或这使用自定义函数。
Cluster By
cluster by 除了具有 distribute by 的功能外还兼具 sort by 的功能。
但是排序只能是倒序排序,不能指定排序规则为asc 或者desc。
- hive 的四种排序
- Hive 中的四种排序
- Hive中的四种排序
- Hive部署UDF的四种方法
- hive 数据导入的四种方法
- hive几种排序
- C#的四种排序
- 排序的四种算法
- Hive学习之部署UDF的四种方法
- 关于Hive优化的四种方法总结
- 关于Hive优化的四种方法总结
- 关于HIVE优化的四种方法总结
- Hive学习笔记 --- hive中导入数据文件的四种方式
- [一起学Hive]之四-Hive的安装配置
- Hive笔记四:Hive的组件和工作流程
- [一起学Hive]之四-Hive的安装配置
- hive学习教程(四):hive的sql支持
- [Hive--排序]------4种排序方式介绍
- 指针与const限定符
- 《简明Python教程》学习(二)
- UVA 11624 Fire
- Qt使用中遇到的问题及解决方案
- php微信开发者模式token老是验证失败thinkphp
- hive 的四种排序
- 数据结构教程(P40~45)
- Hadoop之倒排索引
- 解决Gson解析Date数据格式的问题
- 【C】质数判断传统方法与高效率算法时间比对
- NOIP2016 信息传递
- 常见对象_判断一个字符串是否对称案例
- 线程
- 欢迎使用CSDN-markdown编辑器