cluster by、group by操作

order by
对输入做全局排序，因此只有一个reducer，会导致当输入规模较大时，需要较长的计算时间。

SELECT * FROM db_hive.employee ORDER BY empID desc; //按照empID降序排列
1
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mapreduce.job.reduces>1，则sort by只保证每个reducer的输出有序，不保证全局有序。

set mapreduce.job.reduces = 3; //设置reduce数目
> INSERT [OVERWRITE] LOCAL DIRECTORY '/home/hadoop/hive-exp'
> SELECT * FROM db_hive.employee
> SORT BY empID asc; //在本地会生成3个reduce结果文件，每个文件按照empID升序排列

distribute by
类似于MapReduce中分区partation，对数据进行分区，结合sort by进行使用
distribute by控制在map端如何拆分数据给reduce端。hive会根据distribute by后面列，对应reduce的个数进行分发，默认是采用hash算法。

> INSERT [OVERWRITE] LOCAL DIRECTORY '/home/hadoop/hive-exp'
> SELECT * FROM db_hive.employee
> DISTRIBUTE BY deptNum //按照部门进行分区
> SORT BY empID asc; //在本地会根据部门生成结果文件，每个文件按照empID升序排列

cluster by
Cluster by 除了具有distribute by的功能外，还会对该字段进行排序。当distribute by和sort by 字段相同时，可以使用cluster by 代替

group by
是对检索结果的保留行进行单纯分组，一般和聚合函数如AVG()、COUNT()、max()等一块用。
---------------------
作者：Enzo_bigdata
来源：CSDN
原文：https://blog.csdn.net/weixin_41907511/article/details/84950235
版权声明：本文为博主原创文章，转载请附上博文链接！c

cluster by、group by操作相关推荐

Scala 的几种group集合操作
Scala 的几种group集合操作 scala的集合中有如下几种group操作 groupBy 按特定条件对集合元素进行分类 grouped 将集合拆分成指定长度的子集合 groupMap 使用方法 ...
mongdb group聚合操作
1.数据准备 [{"goods_id":1,"cat_id":4,"goods_name":"KD876"," ...
mysql时间戳group by操作,mysql使用FROM_UNIXTIME将时间戳按日期group by
1.功能将Unix时间戳转换成指定或默认的日期字符串官宣. 它具有的特点使用整型的高效存储和查询时间(时间戳) 使用此函数兼容日期的时间处理(可读性) 2. 语法 FROM_UNIXTIME(un ...
【Flink】Flink Group by 操作报错 Expression xxx is not being grouped
1.背景看到siddhi 语法是可以这样写的 from stream [id="xx"] #window.timeBatch(6 sec) select aa,bb,cc gro ...
MongoDb数组操作 - unwind解包、group分组统计、sort排序
MongoDB统计文档(Document)的数组(Array)中的各个元素出现的次数一,问题描述 [使用 unwind 操作符 "解包" Document 里面的Array中的每 ...
全面剖析Redis Cluster原理和应用（good）
redis redis cluster注意的问题 : 1.'cluster-require-full-coverage'参数的设置.该参数是redis配置文件中cluster模式的一个参数,从字面上基 ...
利用 Chef 在 Red Hat Enterprise Linux 上自动化部署 Mariadb Galera Cluster
简介 Chef Chef提供了一套自动化安装和配置软件的工具.它允许开发者以模块化的方式(cookbook)来定义软件的安装和配置流程(recipe),以及流程中的可定制参数(attribute).当 ...
group by rollup | cube 学习
1.如果是ROLLUP(A, B, C)的话,首先会对(A.B.C)进行GROUP BY,然后对(A.B)进行GROUP BY,然后是(A)进行GROUP BY,最后对全表进行GROUP BY操作. ...
DEV05 GBase 8a MPP Cluster 数据库性能优化
GBase 8a MPP Cluster 数据库性能优化一.数据库为何要优化 (一)从 DBA 角度谈数据库为何要优化 (二)数据库产品的选型: (三)从 DE(开发工程师)角度谈数据库为何要优化 ...

cluster by、group by操作

cluster by、group by操作相关推荐

最新文章

热门文章