經實際測試，同等條件下，5千萬條數據，Distinct比Group by效率高，但是，這是有條件的，這五千萬條數據中不重復的僅僅有三十多萬條，這意味着，五千萬條中基本都是重復數據。
為了驗證，重復數據是否對其有影響，本人針對80萬條數據進行測試：
下面是對CustomerId去重，CustomerId的重復項及其多，80萬條中僅僅50條不重復的。可以看到，Distinct快一點。
用例1：
用例2：
下面是對Id去重，Id基本唯一，80萬條中沒有重復的。可以看到，Group By更快。
綜上所述，其他條件一定時，數據重復項越多，distinct效率越高，反之，數據越唯一，group by效率越高。（測試用例較少，時間差距其實不明顯，受電腦影響，數據有時不准。所以具體數據具體試驗，不要盲目使用，人雲亦雲。）
原因：
distinct需要將列中的全部內容都存儲在一個內存中，可以理解為一個hash結構，key為列的值，最后計算hash結構中有多少個key即可得到結果。
很明顯，需要將所有不同的值都存起來，因此重復數據越多，需要存儲的不同項也越少。但這種方式內存消耗可能較大，看你電腦。
而group by的方式是先將列排序。而數據庫中的group一般使用sort的方法，即數據庫會先對列進行排序。而排序的基本理論是，時間復雜為nlogn，空間為1.，然后只要單純的計數就可以了。優點是空間復雜度小，缺點是要進行一次排序，執行時間會較長。
兩中方法各有優劣，在使用的時候，我們需要根據實際情況進行取舍，不要一刀切。