order by和sort by的区别

order by实现的是全局排序，在hive mr引擎中将会只有1个reduce。而使用sort by会起多个reduce，只会在每个reduce中排序，如果不指定分组的话，跑出来的数据看起来是杂乱无章的，如果指定reduce个数是1，那么结果和order by是一致的，如下图，不指定的情况，两种结果对比：

order by一般配合group by使用，而group by需要配合聚合函数使用，举个例子

而sort by分组时需要使用distribute by，和group by类似，但是它不需要配合聚合函数使用，也就不影响原数据的函数，这点和开窗函数有点类似，如下

distribute by还有个简化版，当distribute by和sort by的字段相同时，可以简写为cluster by，下面两图对比

总结：order by是全局排序，sort by是组内排序。distribute by sort by可以结合桶表使用，给桶中的数据排序。