hive中order by,sort by, distribute by, cluster by作用以及用法
来源:互联网 发布:docker overlay网络 编辑:程序博客网 时间:2024/06/06 02:13
1. order by
Hive中的order by跟传统的sql语言中的order by作用是一样的,会对查询的结果做一次全局排序,所以说,只有hive的sql中制定了order by所有的数据都会到同一个reducer进行处理(不管有多少map,也不管文件有多少的block只会启动一个reducer)。但是对于大量数据这将会消耗很长的时间去执行。
这里跟传统的sql还有一点区别:如果指定了hive.mapred.mode=strict(默认值是nonstrict),这时就必须指定limit来限制输出条数,原因是:所有的数据都会在同一个reducer端进行,数据量大的情况下可能不能出结果,那么在这样的严格模式下,必须指定输出的条数。
2. sort by
Hive中指定了sort by,那么在每个reducer端都会做排序,也就是说保证了局部有序(每个reducer出来的数据是有序的,但是不能保证所有的数据是有序的,除非只有一个reducer),好处是:执行了局部排序之后可以为接下去的全局排序提高不少的效率(其实就是做一次归并排序就可以做到全局排序了)。
3. distribute by和sort by一起使用
ditribute by是控制map的输出在reducer是如何划分的,举个例子,我们有一张表,mid是指这个store所属的商户,money是这个商户的盈利,name是这个store的名字
store:
midmoneynameAA15.0商店1AA20.0商店2BB22.0商店3CC44.0商店4
执行hive语句:
我们所有的mid相同的数据会被送到同一个reducer去处理,这就是因为指定了distribute by mid,这样的话就可以统计出每个商户中各个商店盈利的排序了(这个肯定是全局有序的,因为相同的商户会放到同一个reducer去处理)。这里需要注意的是distribute by必须要写在sort by之前。4. cluster by
cluster by的功能就是distribute by和sort by相结合,如下2个语句是等价的:
如果需要获得与3中语句一样的效果:
注意被cluster by指定的列只能是降序,不能指定asc和desc。
原文地址:http://blog.csdn.net/jthink_/article/details/38903775
0 0
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- Hadoop回顾--hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- hive中order by,sort by, distribute by, cluster by作用以及用法
- 研究DRBL到吐血的心路历程
- NoSQL分类及ehcache memcache redis 三大缓存的对比
- div+css页面随记
- HIBERNATE与 MYBATIS的区别(摘抄)
- Apache、Tomcat、JBoss、WebLogic的区别与关系
- hive中order by,sort by, distribute by, cluster by作用以及用法
- 任务,线程和同步(七)之同步其他些类
- Python3网络编程3--http报文结构
- d3 数据转换
- 北京阿凡达雪景
- Keil如何动态查看变量
- Js原生实现轮播图
- activiti工作流的web流程设计器整合视频教程 SSM和独立部署
- 自定义控件实战<三> 动态圆弧控件