0 order by 是全局排序，把所有数据放在一个reduce task中排序。sort by是在一个reduce中排序，该reduce的输出有序，是局部有序。distriute by c1 是作用于map输出的结果，把c1的值相同的记录输入到同一个reduce中；如果reduce数目比较少，c1多个不同值的记录会输入到同一个reduce中。
1 distribute by要写在sort by前面，不然报错
2 distribute by c1,c2 sort by c1,c2 = cluster by c1,c2 ，注意distribute by 后面的字段名 与 sort by 后面的字段名相同时才能 使用cluster by。此时是仍然是局部有序，不是全局有序。
3 cluster by c1,c2 默认是升序，且不可指定asc或desc ,不然报错
4 当reduce_num=1时，sort by c1,c2 = order by c1,c2，此时都是在一个reduce中排序，所以此时排序后的结果一致
5 distribute by c1 sort by c2,c3 desc ，如果c1只有一种值，那么此时 = order by c2,c3 desc，因为distribute by c1会把map输出的数据划分到同一个reduce中，然后在这个reduce中按照c2,c3 desc排序，此时与上一条4一致。此时与有多少个reduce task无关，即使手动设置reduce task有多个，但是map的输出只会往一个reduce task中输入，其他reduce task的输入为0
6 测试时，如果想手动设置reduce task有多个，set mapreduce.job.reduce = 2; -- 无效。set mapred.reduce.tasks = 2; -- 有效
Hive 中的查询语句说明如下：
[WITH CommonTableExpression (, CommonTableExpression)*]
SELECT [ALL | DISTINCT] select_expr, select_expr, ...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[CLUSTER BY col_list
| [DISTRIBUTE BY col_list] [SORT BY col_list]
]
[LIMIT number]
测试如下：
1 select * from tmp.test_1031_external_dt ;
2
select * from tmp.test_1031_external_dt
distribute by dt sort by report_time
-- Stage-1: number of mappers: 3; number of reducers: 1
--结果5
select * from tmp.test_1031_external_dt order by report_time ;
-- Stage-1: number of mappers: 3; number of reducers: 1
--结果6
此时2个结果一样：
3
-- set mapreduce.job.reduce = 2; -- 无效
set mapred.reduce.tasks = 2; -- 有效
select * from tmp.test_1031_external_dt sort by report_time ;
-- Stage-1: number of mappers: 3; number of reducers: 2
--结果7，结果第一段从'123ThreadPoolExecutor'升序到'mapred'，第二段是从'123ThreadPoolExecutor'升序到'runNewMapper'
4
set mapred.reduce.tasks = 2; -- 有效
select * from tmp.test_1031_external_dt
distribute by dt sort by report_time
--结果8 ，dt=2020-06-08的数 在reduce1 有序，dt=2020-06-16、dt=2020-06-09的数 在reduce2有序，
5
select * from tmp.test_1031_external_dt
sort by report_time distribute by dt
-- FAILED: ParseException line 2:20 missing EOF at 'distribute' near 'report_time'
6
set mapred.reduce.tasks = 10; -- 有效
select * from tmp.test_1031_external_dt where dt = '2020-06-08'
distribute by dt sort by report_time
-- 结果11 ，全局有序，map的输出只会写到一个redeuce中
版本hive2.0.0
参考：
https://zhuanlan.zhihu.com/p/93747613