• hive四种排序


    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。

  • 相关阅读:
    Android ListView和CheckBox应用之批量删除操作(附带源码)
    Spring3 MVC 3到Spring MVC框架简介
    Struts2.3 + Spring3.1 + Hibernate3.6 + HTML5 + CSS3整合开发
    Java和MongoDB之Hello World
    SQL Server 2008中的hierarchyid
    SQLSERVER复制表的方法
    去掉struts2标签的样式
    KineticJS教程(12)
    SQL Server日期时间格式转换字符串详解
    生活不易,且行且珍惜!
  • 原文地址:https://www.cnblogs.com/7758521gorden/p/8185457.html
Copyright © 2020-2023  润新知