让我先说，我对Hive非常陌生，所以我不确定人们需要什么信息来帮助我。请告诉我哪些信息有用。另外，虽然我通常会创建一个小数据集来重现问题，但我认为这个问题与数据集的规模有关，因为我似乎无法在较小的数据集上重现问题。让我知道如果你有建议，使这个更容易回答。
好了，那就不碍事了，我的问题来了。我有一个巨大的数据集，按月分区，每个月大约有5亿行。我有一个列，其中有一个id号（我称之为idcol），我想仔细研究几个例子，其中重复id的数量很多，而id的数量却很少。所以，我用了这个：

SELECT idcol, COUNT(*) FROM table WHERE month = 7 GROUP BY idcol LIMIT 10;

得到：

000005185884381 13
000035323848000 24
000017027256315 531
000010121767109 54
000039844553332 3
000013731352481 309
000024387407996 3
000028461234451 67
000016564844672 1
000032933040806 17

所以，我去调查第一个idvar，计数为3，结果是：

SELECT * FROM table WHERE month = 7 AND idcol = '000039844553332';

我本以为只看到3行，但最终发现469行！这很奇怪，但是我碰巧运行了上面的原始代码行，但是 LIMIT 5 结果是：

000005185884381 13
000017027256315 75
000010121767109 25
000013731352481 59
000024387407996 1

而且，可能很难看到，因为idcol太长了，但是idvar 000017027256315 结果我数到531 LIMIT 10 而我做的时候只有75岁 LIMIT 5 .
我错过了什么？！我怎样才能得到一个正确的计数只有一小部分的值，以便我可以进一步调查？！
顺便说一句，我的第一个想法是使计数部分成为一个子查询，但这并没有改变什么。我用过：

SELECT * FROM (SELECT idcol, COUNT(*) FROM table WHERE month = 7 GROUP BY idcol) x LIMIT 10;

…同样的结果