写mapreduce程序时，如果reduce个数>1，想要实现全排序需要控制好map的输出
现在学了Hive，写sql大家都很熟悉，如果一个order by解决了全排序还用那么麻烦写mapreduce函数吗？
事实上，hive使用order by会默认设置reduce的个数=1，既然reducer的个数都是1了，结果自然全排序！
这也违背了充分利用分布式计算进行海量数据排序的初衷，效率低下。
那么hive又提供了一个可供选择的方式：sort by
它会保证每个reducer的输出文件是有序的（其实是废话，每个reducer的输出当然是有序的！），要想实现全排序，还得加一个order by的过程，就是对sort by的reduce输出结果再进行一次排序。
所以：
要想用hive实现全排序：
要么用order by，但这样默认了reducer个数为1，效率低下。
要么用sort by+order by，sort by过程可以设置reducer个数（n），order by过程用n个reducer的输出文件进行一次全排序，得到最终的结果。
注：
（1）对于order by，sort by：
我们可以使用limit进行限制返回的行数，从而实现抓出数据的top N的情形。
（2）对于distribute by：
sort by为每个reducer产生一个排序文件。在有些情况下，你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。hive的distribute by就派上用场了：
From table
select year, temperature
distribute by year
sort by year asc, temperature desc;
上面实现了局部排序，且规定了：根据年份和气温对气象数据进行排序，以确保所有具有相同年份的行最终都在一个reducer分区中（文件下），可以看出，distribute by经常与sort by一起使用。
需要注意的是，hive要求distribute by 要写在sort by之前。
（3）对于cluster by：
简而言之：cluster by column=distribute by column+sort by column （注意，都是针对column列，且采用默认ASC）
即对于上面例子：
From table
select year, temperature
cluster by year;
就等于：
From table
select year, temperature
distribute by year
sort by year;
当然这失去了按照气温排序的要求。