Spark 的 count distinct 是怎么做的？

回答思路

1. 能说明 count distinct 在 Spark 中的执行原理，即通过分区内去重和全局再聚合实现
2. 能说明不同数据规模下的优化策略，如使用 Approximate Distinct Count 或精确去重方案
3. 能说明影响性能的关键因素，如数据倾斜和 shuffled 数据量