mapreduce为什么要排序，Hive 之 排序和reduce设置

一 关于Reduce的设置

1.1设置每个reduce处理的数据量

mapreduce为什么要排序，hive.exec.reducers.bytes.per.reducer=<number>

1.2设置最大运行的reduce的个数

groupby后排序，hive.exec.reducers.max=<number>

1.3实际的reduce的个数

java map reduce，mapreduce.job.reduces=<number>

二 Hive中几种类型的排序

order by全局排序，对于多个reduce就没有用了

sort by 对于每一个reduce结果进行排序

将reduce的个数设为三个，然后测试

INSERTOVERWRITE LOCAL DIRECTORY '/opt/data/emp_sort' ROW FORMAT DELIMITED FIELDSTERMINATED BY '\t' SELECT * FROM emp SORT BY sal;

运行结果应该是有三个文件，每一个reduce对应着一个

然后按照sal进行升序排序

distributed by: 底层就是mapreduce的分区，一般与sort by连用

insertoverwrite local directory '/opt/datas/emp_distribute'

rowformat delimited fields terminated by '\t' 

select* from emp distribute by deptno sort by sal;

运行结果应该是有三个文件，每一个reduce对应着一个，然后每一个文件根据三个不同deptno进行分区，然后按照sal进行升序排序

cluster by: 等价于distributeby fields 与sort byfields的字段相同时

insertoverwrite local directory '/opt/data/emp_cluster'

rowformat delimited fields terminated by '\t' 

select* from emp cluster by sal;

运行结果应该是有三个文件，每一个reduce对应着一个，然后每一个文件根据三个不同sal进行分区，然后按照sal进行升序排序