Clause CLUSTER BY (SELECT)

  • Article

S’applique à :check marked yes Databricks SQL check marked yes Databricks Runtime

Repartitionne les données en fonction des expressions d’entrée, puis trie les données dans chaque partition. Cette opération est sémantiquement équivalente à l'exécution d'une commande DISTRIBUTE BY suivie de SORT BY. Cette clause garantit que les lignes résultantes sont triées dans chaque partition et ne garantit pas un ordre total de sortie.

Syntaxe

CLUSTER BY expression [, ...]

Paramètres

  • expression

    Spécifie une combinaison de plusieurs valeurs, opérateurs et fonctions SQL qui génèrent une valeur.

Exemples

> 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