sort by是在每个reduce中有序。order by 是全局排序。
Hive基于HADOOP来执行分布式程序的，和普通单机程序不同的一个特点就是最终的数据会产生多个子文件，每个reducer节点都会处理partition给自己的那份数据产生结果文件。最终导致了在HADOOP环境下很难对数据进行全局排序，如果在HADOOP上进行order by全排序，会导致所有的数据集中在一台reducer节点上，然后进行排序，这样很可能会超过单个节点的磁盘和内存存储能力导致任务失败。一种替代的方案则是放弃全局有序，而是分组有序，即sort by排序，比如不求全百度最高的点击词排序，而是求每种产品线的最高点击词排序，使用order by会引发全局排序。
![(*p)[10]与*p[10]的区别?](/upload/sm/2025/1212/55e78678.png)