在hive sql中进行全局排序时,和sql一样使用order by 进行全局排序. 但是需要注意, hive会将所有数据交给一个reduce来进行计算排序, 这样数据量就很大, 很耗费时间.
Hive的适用场景为离线批处理，在执行全量数据计算任务时，一般是不会用到全局排序的。但在数据查询中，全局排序会经常被用到，而Hive不擅长快速的数据查询，所以需要将Hive处理后的数据存放到支持快速查询的产品中，如Presto、Impala、ClickHouse等。术业有专攻，一个产品一定有自己的适用领域，如果用在不合适的场景，会造成资源浪费。
全局排序思路
如果在数据处理过程中必须要用到全局排序，则最好使用UDF转换为局部排序。实现思路为：先预估数据范围，假设这里数据范围是0-100，然后在每个Map作业中，使用Partitioner对数据进行自定义分发，0-10的数据分发到一个Reduce中，10-20的到一个Reduce中，依次类推，然后在每个Reduce作业中进行局部排序即可。
hive中的部分排序: DISTRIBUTE BY, SORT BY
SORT BY 只会在每个reducer中进行排序
DISTRIBUTE BY 控制map 中的输出在 reducer 中是如何进行划分的
如果对某一列既想采用SORT BY 也想采用 DISTRIBUTE BY ,
那么可以使用CLUSTER BY 进行排序。
注意：
排序只能是升序排序（默认排序规则），不能指定排序规则为asc 或者desc。
但一般而言，对全量数据进行全局排序的场景很少，一般只需要保证查询结果最终有序即可，这时可以先使用子查询得到一个小的结果集，然后再进行排序。
如果是取TOP N的情况，则可以使用子查询，在每个Reduce中进行排序后，各自取得前N个数据，然后再对结果集进行全局排序，最终取得结果。
--从表中获取name长度为TOP10的数据 select a.id,a.name from ( select id,name from <table_name> distribute by length(name) sort by length(name) desc limit 10 ) a order by length(a.user_name) desc limit 10;