Hadoop 为什么在Pig中DISTINCT比GROUP BY/FOREACH快

我不知道为什么在Pig中DISTINCT比GROUP BY/FOREACH快，它们在MapReduce框架中应该是相同的，但请参考：

http://pig.apache.org/docs/r0.10.0/perf.html#distinct

Pig wiki说，“要从关系中的列中提取唯一值，可以使用DISTINCT或GROUP BY/GENERATE.DISTINCT是首选方法；它更快、更高效。”

---

为什么?？工具是否以不同的方式实现？

distinct的输出是一种关系，它只包含您对其执行distinct操作的列，因此映射作业只输出指定列的值，作为键和组合器将映射溢出输出最小化，从而进一步减少减速机的输入。 Group By的输出是一个“Group”键元组和一个包，其中包含所有元组，这些元组与原始关系的所有列具有相同的组键，因此不使用组合器，映射阶段的输出更大，还原器有更多的输入。Pig可以做一些优化，但它们并没有得到保证