CLUSTER BY
描述
根据输入表达式对数据进行重新分区，然后对每个分区中的数据进行排序。 这在语义上等效于执行 DISTRIBUTE BY，后跟 SORT BY。 此子句仅确保在每个分区内对生成行进行排序，并且不保证输出的总顺序。
语法
CLUSTER BY expression [, ...]参数
expression
指定生成值的一个或多个值、运算符和 SQL 函数的组合。
示例
CREATE TABLE person (name STRING, age INT);
INSERT INTO person
VALUES ('Zen Hui', 25),
('Anil B', 18),
('Shone S', 16),
('Mike A', 25),
('John A', 18),
('Jack N', 16);
-- Reduce the number of shuffle partitions to 2 to illustrate the behavior of `CLUSTER BY`.
-- It's easier to see the clustering and sorting behavior with less number of partitions.
SET spark.sql.shuffle.partitions = 2;
SELECT age, name FROM person CLUSTER BY age;
+---------+-----------+
| age| name|
+---------+-----------+
| 16| Shone S|
+---------+-----------+
| 16| Jack N|
+---------+-----------+
| 18| Anil B|
+---------+-----------+
| 18| John A|
+---------+-----------+
| 25| Zen Hui|
+---------+-----------+
| 25| Mike A|
+---------+-----------+