teradata DISTINCT vs GROUP BY，

teradata DISTINCT vs GROUP BY，

(–本文是个人学习和使用过程中的总结，如有错误欢迎指正。转载请注明出处)

常听到有关teradata中DISTINCT和GROUP BY那个性能更好的问题，是应该用
SELECT COLUMN GROUP BY 1
还是
SELECT DISTINCT COLUMN呢？

为了确定什么情况用DISTINCT，什么情况用GROUP BY，首先我们应该理解两者的工作方式。
DISTINCT ：数据会被直接分布(distributed )到AMPs并去重
GROUP BY：会在每个AMP上首先做分组，然后再将数据分布到AMPs上做二次去重

理解了两者的不同我们可以根据下面的规则选择：

假设我们的数据有很很多不同的值选择DISTINCT 可能更好

假设我们的数据不同的值很少，首先在本地做去重就减少重分布的row，此时我们选择GROUP BY可以更好

——————————————————————————————————————————————————————————————–
不错在我们以前使用的teradata中确实如此，那么在新版本(TD 15)中真的也是这样么？
在此那了一张我们的表做了实验

Tables count(*)	DISTINCT/GROUP BY的列	DISTINCT OR GROUP BY	DISTINCT/GROUP BY以后的值	耗时(s)
104,960,185	STATISTICAL_DATE	DISTINCT	44	3 ~ 5
104,960,185	STATISTICAL_DATE	GROUP BY	44	3 ~ 5
104,960,185	XXXX	DISTINCT	9,135,577	14 ~ 18
104,960,185	XXXX	GROUP BY	9,135,577	14 ~ 18

可以看出来，不论对于重复率很高还是重复率不高的情况下，DISTINCT 和 GROUP BY 差别几乎可以忽略。
不知是否新版本CBO做了改进？

本文是在teradata 环境资源特别闲置的情况下做的，可能其他的或者您的测试结果有出入。仅供参考。