答案：
Spark的distinct是通过聚集去重的，可以简单理解为group by去重；
代码1：是先去重之后再排序取limit20是正确的，
代码2：是先排序之后再到各个节点进行去重之后再limit20，此时去重之后是无序的！！！！
有时候测试时候是单个节点计算体现不出来问题2存在的问题，因此单个节点小数据量的话又是一个分区则无法体现问题2，但是一但提交到集群多个节点运行时候问题就会暴露出来！！！！！
相关文章：
相似解决方案
热门标签
答案：
Spark的distinct是通过聚集去重的，可以简单理解为group by去重；
代码1：是先去重之后再排序取limit20是正确的，
代码2：是先排序之后再到各个节点进行去重之后再limit20，此时去重之后是无序的！！！！
有时候测试时候是单个节点计算体现不出来问题2存在的问题，因此单个节点小数据量的话又是一个分区则无法体现问题2，但是一但提交到集群多个节点运行时候问题就会暴露出来！！！！！
相关文章：