Order By

Order By :全局排序，只有一个Reducer， 就算提前设置好n个reducer order by 也是只执行一个reducer，因为全局排序，排序的仅仅是一个表罢了。order by 对于大规模数据集效率很低，毕竟只有一个reducer

Sort By

Sort By(每个 Reduce 内部排序)：对于大规模的数据集 order by 的效率非常低。在很多情况下，并不需要全局排序，此时可以使用 sort by。sort by 为每个 reducer 产生一个排序文件。每个 Reducer 内部进行排序，对全局结果集来说不是排序。

Distribute By

Distribute By(分区)： 在有些情况下，我们需要控制某个特定行应该到哪个 reducer，通常是为了进行后续的聚集操作。distribute by 子句可以做这件事。distribute by 类似 MR 中 partition（自定义分区），进行分区，结合 sort by 使用。
对于 distribute by 进行测试，一定要分配多 reduce 进行处理，否则无法看到 distribute by 的效果
➢ distribute by 的分区规则是根据分区字段的 hash 码与 reduce 的个数进行模除后，余数相同的分到一个区。
➢ Hive 要求 DISTRIBUTE BY 语句要写在 SORT BY 语句之前。

Cluster By

cluster by ：除了具有 distribute by 的功能外还兼具 sort by 的功能，一般用在当distribute by sort by两个分组有重复的字段的时候。但是排序只能是升序排序，不能指定排序规则为 ASC 或者 DESC。

（1）以下两种写法等价
hive (default)> select * from emp cluster by deptno;
hive (default)> select * from emp distribute by deptno sort by deptno;

注意：按照部门编号分区，不一定就是固定死的数值，可以是 20 号和 30 号部门分到一个分区里面去。

设置reduce个数：hive (default)> set mapreduce.job.reduces=？;
查看设置 reduce 个数 hive (default)> set mapreduce.job.reduces;