面试中问到了这些问题，今天特意全方位的总结一下。另外，数据思维比技术更重要。
1.Order by
Hive中的order by跟传统的sql语言中的order by作用一样，会对查询的结果做一次全局排序。所以只有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。
如果指定了hive.mapred.mode=strict（默认值是nonstrict）,就必须指定limit来限制输出条数，因为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。
select product,quantity from sales_product limit 2000 order by product
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）。
优点：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。
3.distribute by
ditribute by是控制map的输出在reducer是如何划分的，举个栗子，一张表，product是指这个sales_table产品，quantity是这个销量。
select product,quantity from sales_table distribute by product
那么同一类product将会发送到一个reducer处理，如果product之间的销量差距很大，这样会造成数据倾斜。
4.cluster by
cluster by的功能就是distribute by和sort by相结合，如
select product, district,quantity from sales_table cluster by product
等同于
select product, district,quantity from sales_table distribute by product sort by product
