1.join的实现原理

select u.name, o.orderid from order o join user u on o.uid = u.uid;

• 在map阶段的输出中给每个value一个tag，用于区分数据来源，在shuffle过程将具有相同key的数据合并在一起，在reduce阶段对key相同的不同来源的数据进行join。
  

2.group by的实现原理

select rank, isonline, count(*) from city group by rank, isonline;

• 将GroupBy的字段组合为map的输出key值，利用MapReduce的排序，在reduce阶段保存LastKey区分不同的key（避免使用Hash表，节省内存）。MapReduce的过程如下
  

3.distinct的实现原理

select dealid, count(distinct uid) num from order group by dealid;

• 当只有一个distinct字段时，如果不考虑Map阶段的Hash GroupBy，只需要将GroupBy字段和Distinct字段组合为map输出key，利用mapreduce的排序，同时将GroupBy字段作为reduce的key，在reduce阶段保存LastKey即可完成去重
  

• 如果有多个distinct字段呢，如下面的SQL

select dealid, count(distinct uid), count(distinct date) from order group by dealid;

可以对所有的distinct字段编号，每行数据生成n行数据，那么相同字段就会分别排序，这时只需要在reduce阶段记录LastKey即可去重。

执行count(distinct)时，若不使用group by，则会进入一个reduce执行所有的数据

按某字段进行分组之后，则可以进入不同的reduce进行执行

有多个count(distinct)字段时，则每一行数据可以分成多行去分别计算不同字段的数量