hive ORC表的数据不能通过hive客户端load数据文件加载，也不能使用hdfs dfs -put上传到对应目录，只能通过insert into orc_table select * from tmp方式插入数据；

        由于select * from tmp查询子句的灵活性，orc表数据插入有很多方式可以选择，如hive客户端分别指定order by、distribute by、sort by、 distribute by+sort by、cluster by或者通过trafodion访问hive表进行数据加载； 

1、指定order by进行数据加载

insert into orders_orc_idx_f11 select * from orders order by o_orderkey ;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表

通过指定order by进行数据加载，对数据进行全局排序，只能1个reduce中进行处理，所以hdfs对应表目录下生成1个数据文件，在相同数据量下，指定order by插入数据性能比以下几种方式慢；

2、指定sort by进行数据加载

insert into orders_orc_idx_f11 select * from orders sort by o_orderkey ;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表

        通过指定sort by进行数据加载，单独在各自的reduce中进行排序，所以并不能保证全局有序，即hdfs下的每个数据文件内部是有序的，但所有数据文件合起来不是有序的；如果指定reduce为1个(set mapred.reduce.tasks = 1)，则sort by和order by是一样的；

3、指定distribute by进行数据加载

insert into orders_orc_idx_f11 select * from orders distribute by O_ORDERSTATUS;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表；O_ORDERSTATUS表uec值为3；reduce值为26

        通过指定distribute by进行数据加载，distribute by是控制map中的输出到reduce中是如何进行划分的，即按照distribute by指定字段的值进行hash计算，然后除以reduce值取余，结果相同的分配给同一个reduce处理，如果数据uec值低与reduce的值，hdfs存储的数据文件大小会不均匀，对查询这样的数据插入到其他表性能有影响；但对查询性能不影响(因为看似各个数据分布不均匀，但hdfs系统整合的是全部的磁盘，数据文件存储在磁盘是均匀的，不会影响到查询扫描速度)；

4、指定distribute by+sort by进行数据加载

insert into orders_orc_idx_f11 select * from orders distribute by O_ORDERSTATUS sort by o_orderkey ;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表

        通过指定distribute by+order by进行数据加载，将map中的输出在reduce中进行划分，然后每个reduce进行排序(参考各自的特性理解)；

5、指定distribute by+sort by进行数据加载

insert into orders_orc_idx_f11 select * from orders cluster by O_ORDERSTATUS ;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表

        通过指定 cluster by进行数据加载，distribute by和sort by合用就相当于cluster by，但是cluster by不能指定排序为asc或desc的规则，只能是升序排列；

5、trafodion访问hive表进行数据加载

insert into hive.hive.orders_orc_idx_f11 select * from hive.hive.orders;
-- orders_orc_idx_f11:带行组索引的orc表；order：普通textfile表

        通过trafodiong访问hive表进行数据加载，不管hive客户端创建表的时候是否指定了行组索引（'orc.create.index'='true'），数据加载后查看hdfs下的数据文件的元数据，都是包含最小值、最大值、和等信息，在这种情况下，不带行组索引的表和带行组索引的表数据存储是一样的，查询效率也相同；

附录：

行组索引：http://blog.itpub.net/69985104/viewspace-2758737/