首先，Hive的group by和count（distinct）都是去除重複的數據，某種程度上來說，兩者產生的結果是一樣的。
實例代碼：
| select a,count(distinct b) from t group by a |
| select tt.a,count(tt.b) from (select a,b from t group by a,b)tt group by tt.a |
上面兩句代碼產生的結果是一樣的，但是兩者從效率和空間複雜度上來講，是有很大的差別的。
distinct會將b列所有的數據保存到內存中，形成一個類似hash的結構，速度是十分的塊；但是在大數據背景下，因爲b列所有的值都會形成以key值，極有可能發生OOM。
group by會先把b列的值進行排序，如果以快速派序來說的話，他的空間複雜度就是O(1)，時間複雜度是O（nlogn），這樣在大數據的環境下，只有排序階段會比較慢，時間複雜度是O(nlogn)。
兩者比較來說，distinct 耗費內存，但是效率極高，但是數據較大時，可能會產生OOM；group by如果在時間複雜度允許的情況下，可以展現出突出的空間複雜度的優勢。
最後，對於Hive來說，含有distinct的HQL語句，如果遇到瓶頸，想要調優，第一時間都是想到用group by來替換distinct來實現對數據的去重。