排序、限制与抽样 · Hive 课程复习

7. 排序、限制与抽样

对比项	`ORDER BY`	`SORT BY`	`DISTRIBUTE BY`	`CLUSTER BY`
核心作用	全局排序	每个 Reducer 内部局部排序	控制数据分发，类似分区	同一列上的 `DISTRIBUTE BY` + `SORT BY`，默认升序
Reducer 数量	强制 1 个	多个	多个	多个
输出有序性	单个文件，全局有序	多个文件，文件内有序，文件间无序	只保证相同键进入同一 Reducer，不保证顺序	多个文件，每个文件内部按分发列升序
是否全局有序	是	否	否	否
典型场景	最终报表、Top N、必须全局有序的小结果集	相同 `a` 进入同一 Reducer 后，再按 `b` 排序	相同 `a` 进入同一 Reducer	相同 `a` 进入同一 Reducer，内部按 `a` 升序

SELECT *
FROM employees
LIMIT 10;

LIMIT n 返回前 n 行。

SELECT CAST(value AS INT)
FROM source_table;

使用 CAST(value AS type) 进行类型转换。无法转换的值通常得到 NULL。

SELECT *
FROM source_table
TABLESAMPLE(BUCKET 1 OUT OF 4 ON user_id);

课件给出的抽样语法为 TABLESAMPLE(BUCKET x OUT OF y ON 列名)。