Spark SQL 的分配 DISTRIBUTE BY 子句

DISTRIBUTE BY { expression [ , ... ] }

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);

-- 将 shuffle 分区的数量减少到 2 以说明 “DISTRIBUTE BY” 的行为。
-- 使用较少的分区更容易看到聚类和排序行为。
SET spark.sql.shuffle.partitions = 2;

-- 选择没有排序的行。 请注意，如果没有任何排序指令，
-- 查询的结果是不确定的。 它被包含在这里只是为了将
-- 它与“DISTRIBUTE BY”的行为进行对比。
-- 下面的查询生成年龄列未聚集在一起的行。

SELECT age, name FROM person;
+---+-------+
|age|   name|
+---+-------+
| 16|Shone S|
| 25|Zen Hui|
| 16| Jack N|
| 25| Mike A|
| 18| John A|
| 18| Anil B|
+---+-------+

-- 生成按年龄聚类的行。 年龄相同的人聚集在一起。
-- 与`CLUSTER BY` 子句不同，行不在分区内排序。
SELECT age, name FROM person DISTRIBUTE BY age;
+---+-------+
|age|   name|
+---+-------+
| 25|Zen Hui|
| 25| Mike A|
| 18| John A|
| 18| Anil B|
| 16|Shone S|
| 16| Jack N|
+---+-------+