1.用over开窗时，distribute by sort by换成partition by order by，分区表、分桶表、非分区表的执行计划都一样，1.10版本都是一样的--测试后时间上基本无差别
2.对分桶表进行测试，如果分桶的字段和distribute by sort by或者partition by order by是同一字段的话，分桶表的性能比较非分桶表好：这个比较好理解，本来分桶后数据就是局部有序的
3.单独使用order只产生一个reducer（全局排序），sort（局部排序）产生多个reducer；
4.distribute by col – 按照col列把数据分散到不同的reduce，
group by把相同key的数据聚集到一起，后续必须是聚合操作，partition by 是分区
5.distribute by sort by 等同于cluster by ；
用over进行开窗 distribute by sort by和partition by order by 用于去重哪个效率比较高？
原文：https://www.cnblogs.com/suheng01/p/15094659.html