group by和distinct语句的执行顺序

同一条语句之中，如果同时有group by和distinct语句，是先group by后distinct，还是先distinct后group by呢？

先说结论：先group by后distinct。

以下是在Hive中的验证：

1）建表：其中xxx替换为本地目录名

    create external table tmp_tb(  
    id int,  
    content int  
    ) row format delimited  
    fields terminated by ','  
    stored as textfile  
    location '/tmp/xxx';  

2）从tmp_tb文件中导入数据

    load data  
    local inpath '/home/xxx/tmp_tb'  
    overwrite into table tmp_tb;  

 tmp_tb内容：

1,5

2,6

2,5

2,5

3,6

3）仅有group by时：

    select id, count(content)  
    from tmp_tb  
    group by id;  

结果如下：

1 1

2 3

3 1

4）同时有group by和distinct时：

    select id, count(distinct content)  
    from tmp_tb  
    group by id;  

结果如下：

1 1

2 2

3 1

可见，同时有group by和distinct时，显然是先group by 后distinct。如果是先distinct，后group by，则结果应该只有两条记录，因为content只有5和6两种数值。