1、order by
hive中的order by 和傳統sql中的order by 一樣，對數據做全局排序，加上排序，會新啟動一個job進行排序，會把所有數據放到同一個reduce中進行處理，不管數據多少，不管文件多少，都啟用一個reduce進行處理。如果指定了hive.mapred.mode=strict（默認值是nonstrict）,這時就必須指定limit來限制輸出條數，原因是：所有的數據都會在同一個reducer端進行，數據量大的情況下可能不能出結果，那么在這樣的嚴格模式下，必須指定輸出的條數。
如：原始數據為
id money name
2 15 d
2 13 b
4 13 g
1 14 c
1 12 a
3 11 h
3 14 f
select id,sum(money) from t group by id 這條語句只用一個job就ok，
select id,sum(money) from t group by id order by id 如果加上order by 就會多一個job進行排序操作。
2、sort by
sort by 是局部排序，會在每個reduce端做排序，每個reduce端是排序的，也就是每個reduce出來的數據是有序的，但是全部不一定有序，除非一個reduce，一般情況下可以先進行局部排序完成后，再進行全局排序，會提高不少效率。
select id,sum(money) from t group by id sort by id; 這條語句也不會增加job，它在reduce端直接進行排序。
3、distribute by
distribute by 是控制map端在reduce上是如何區分的，distribute by 會把指定的值發到同一個reduce中，比如 用上面數據distribute by id 它就會把id相同的值放到一個reduce中執行，不是一個值一個reduce，而是相同的值進入到一個reduce，例如用上面數據可以進入到2個reduce，一般情況下可以sort by 結合使用，先進行分組reduce，再進行排序。
如：select id,money,name from t distribute by id sort by id
4、cluster by
這個其實就是distribute by 和sort by 結合使用的結果。
如：select id,money,name from t cluster by id;
這條語句其實和select id,money,name from t distribute by id sort by id 這條語句的結果是一樣的