CLUSTER BY-Klausel (SELECT)
Gilt für: Databricks SQL Databricks Runtime
Partitioniert die Daten auf der Grundlage der Eingabeausdrücke neu, und sortiert dann die Daten innerhalb jeder Partition. Dies entspricht semantisch der Ausführung eines DISTRIBUTE BY gefolgt von SORT BY. Diese Klausel stellt nur sicher, dass die resultierenden Zeilen innerhalb jeder Partition sortiert sind, und garantiert keine Gesamtreihenfolge der Ausgabe.
Syntax
CLUSTER BY expression [, ...]
Parameter
-
Gibt eine Kombination von einem oder mehreren Werten, Operatoren und SQL-Funktionen an, die einen Wert ergeben.
Beispiele
> CREATE TEMP VIEW person (name, age)
AS 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 the rows with no ordering. Please note that without any sort directive, the results
-- of the query is not deterministic. It's included here to show the difference in behavior
-- of a query when `CLUSTER BY` is not used vs when it's used. The query below produces rows
-- where age column is not sorted.
> SELECT age, name FROM person;
16 Shone S
25 Zen Hui
16 Jack N
25 Mike A
18 John A
18 Anil B
-- Produces rows clustered by age. Persons with same age are clustered together.
-- In the query below, persons with age 18 and 25 are in first partition and the
-- persons with age 16 are in the second partition. The rows are sorted based
-- on age within each partition.
> SELECT age, name FROM person CLUSTER BY age;
18 John A
18 Anil B
25 Zen Hui
25 Mike A
16 Shone S
16 Jack N