在Hive (HQL)中，GROUP BY可以比DISTINCT快得多，因为前者不需要比较表中的所有字段。

参见:https://sqlperformance.com/2017/01/t-sql-queries/surprises-assumptions-group-by-distinct。

我对它的理解是，使用distinct就相当于按照所选字段的顺序对它们进行分组。

i.e:

select distinct a, b, c from table;

等于:

select a, b, c from table group by a, b, c

在Teradata透视图:

从结果集的角度来看，在Teradata中使用DISTINCT或GROUP BY并不重要。答案集是一样的。

从性能的角度来看，这是不一样的。

要了解什么会影响性能，您需要知道在使用DISTINCT或GROUP BY执行语句时Teradata上发生了什么。

在DISTINCT的情况下，行被立即重新分配，而不发生任何预聚合，而在GROUP BY的情况下，第一步完成预聚合，然后才在amp之间重新分配唯一值。

现在不要认为GROUP BY从性能角度来看总是更好。当您有许多不同的值时，GROUP BY的预聚合步骤不是很有效。Teradata必须对数据进行排序以删除重复项。在这种情况下，最好先重新分配，即使用DISTINCT语句。只有当有许多重复值时，GROUP BY语句可能是更好的选择，因为只有在重分发之后才执行重复数据删除步骤。

简而言之，DISTINCT vs. GROUP BY在Teradata中的意思是:

GROUP BY ->用于多个重复 DISTINCT ->没有或只有几个重复项。 在使用DISTINCT时，有时会耗尽AMP上的线轴空间。原因是重新分配立即发生，倾斜可能会导致AMP耗尽空间。

如果发生这种情况，使用GROUP BY可能会有更好的机会，因为在第一步中已经删除了重复项，并且在amp之间移动的数据更少。

如果你使用的GROUP BY没有任何聚合函数，那么在内部它将被视为DISTINCT，所以在这种情况下，GROUP BY和DISTINCT之间没有区别。

但是，当提供DISTINCT子句时，最好使用它来查找唯一的记录，因为GROUP BY的目标是实现聚合。

功能效率是完全不同的。 如果你想只选择“返回值”，除了重复的一个，使用distinct比group by更好。因为“group by”包括(排序+删除)，“distinct”包括(删除)

我阅读了上面所有的评论，但除了聚合位之外，没有看到任何人指出Group By和Distinct之间的主要区别。

Distinct返回所有行，然后重复删除它们，而Group By则在算法逐条读取时重复删除行。

这意味着它们可以产生不同的结果!

例如，下面的代码会产生不同的结果:

SELECT distinct ROW_NUMBER() OVER (ORDER BY Name), Name FROM NamesTable

 SELECT ROW_NUMBER() OVER (ORDER BY Name), Name FROM NamesTable
GROUP BY Name

如果表中有10个名字，其中一个是另一个的副本，那么第一个查询返回10行，而第二个查询返回9行。

原因就是我上面说的，这样他们就能表现得不一样!