1.order by col_list：
     全局排序，默认为升序asc ,因此只有一个reducer,只有一个reduce task的结果，
比如文件名是000000_0,会导致当输入规模较大时，需要较长的计算时间。
    如果指定了hive.mapred.mode=strict（默认值是nonstrict）,这时就必须指定limit来限制输出条数，原因是：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，那么在这样的严格模式下，必须指定输出的条数。 对被排序列进行全排序，且只启动一个MR任务。

例如：stu:按照年龄排序

select * from stu_test order by age desc;

结果：

id name sex age
11 wf f 24
10 wb m 23
15 ch f 22
8  cl f 22
5  ll f 21
12 jj m 21
13 yy m 20
7  xh f 20
3  ww m 20
9  fj m 19
6  hl f 19
2  ls m 19
14 ld f 18
1  zs m 18
4  zq f 18

2.sort by

局部排序，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，不保证全局排序。
在每一个reducetask中，每一个小的输出结果排序，但是当reducetask的个数为1的话和order by 的排序结果一致
注意：sort by 指定的字段仅仅是用于排序的字段，不用于分reducetask输出结果，最终的输出文件中的结果是随机生成的

select * from stu_test sort by age desc;

结果：

id name sex age
11 wf f 24
10 wb m 23
15 ch f 22
8  cl f 22
5  ll f 21
12 jj m 21
13 yy m 20
7  xh f 20
3  ww m 20
9  fj m 19
6  hl f 19
2  ls m 19
14 ld f 18
1  zs m 18
4  zq f 18

正常（set mapreduce.job.reduces=1）结果和sort by 的结果一致
如果设置reduce task 个数为3的话： set mapreduce.job.reduces=3，此时不一致

set mapreduce.job.reduces=3
select * from stu_test sort by age desc;

结果：

id name sex age
10 wb m 23
15 ch f 22
8 cl f 22
5 ll f 21
7 xh f 20
9 fj m 19
6 hl f 19
 
11 wf f 24
12 jj m 21
3 ww m 20
2 ls m 19
14 ld f 18
4 zq f 18
 
13 yy m 20
1 zs m 18

随机生成3个文件，然后在每个文件中进行排序。

3.distribute by col_list：

根据指定的字段将数据分到不同的reducer,且分发算法是hash散列
类似于分桶的概念 按照指定的distribute by 字段和 设置的reducetask的个数进行取余分组，但是并没有排序，只是分，没有排序
select * from stu_test distribute by age desc; 错误，不能使用desc,因为它不是排序的意思

set mapreduce.job.reduces=3
select * from stu_test distribute by age；

结果：

id name sex age
000000_0 age%3=0
14 ld f 18
1  zs m 18
4  zq f 18
12 jj m 21
11 wf f 24
5  ll f 21
000000_1 age%3=1
15 ch f 22
9  fj m 19
6  hl f 19
2  ls m 19
8  cl f 22
000000_1 age%3=2
13 yy m 20
7  xh f 20
3  ww m 20
10 wb m 23
set mapreduce.job.reduces=2
 
select * from stu_test distribute by age；　　

结果：

000000_0 age%2=0
15 ch f 22
14 ld f 18
13 yy m 20
11 wf f 24
8 cl f 22
7 xh f 20
4 zq f 18
3 ww m 20
1 zs m 18
000000_0 age%2=1
12 jj m 21
6 hl f 19
10 wb m 23
9 fj m 19
5 ll f 21
2 ls m 19

4.cluster by col_list ：

除了具有distribute by 的功能外，还会对该字段进行排序
cluster by = distribute by+sort by
cluster by id = distribute by id +sort by id
注意：1）cluster by 和sort by 不可以同时使用
2）当分组字段和排序字段是同一个字段的时候 cluster by id = distribute by id +sort by id
不是同一个字段的时候 请不要使用 cluster by id

select * from stu_test cluster by age；　　

结果：

id name sex age
000000_0 age%3=0
14 ld f 18
4  zq f 18
1  zs m 18
12 jj m 21
5  ll f 21
11 wf f 24
000000_1 age%3=1
6  hl f 19
2  ls m 19
9  fj m 19
15 ch f 22
8  cl f 22
000000_1 age%3=2
3  ww m 20
13 yy m 20
7  xh f 20
10 wb m 23

附加group by与distribute by的区别

    都是按key值划分数据 都使用reduce操作 **唯一不同的是，distribute by只是单纯的分散数据，distribute by col – 按照col列把数据分散到不同的reduce。而group by把相同key的数据聚集到一起，后续必须是聚合操作