collect_list执行结果的顺序取决于记录被扫描的顺序，Spark SQL执行过程中是多个任务并发执行的，因此记录被读取的顺序是无法保证的。

③ row_number

假设数据表如下：

执行如下SQL：

执行结果：

差异说明：

执行row_number时，在一个分区内部，可以保证order by字段是有序的，对于非分区非order by字段的顺序是没有保证的。

④ map类型字段读写

数据表建表语句：

假设数据表如下：

执行如下SQL：

执行结果：

差异说明：

Map类型是无序的，同一份数据，在query时显示的各个key的顺序会有变化。

⑤ sum(double/float)

假设数据表如下：

执行如下SQL：

执行结果：

差异说明：

这是由float/double类型的表示方式决定的，浮点数不能表示所有的实数，在执行运算过程中会有精度丢失，对于几个浮点数，执行加法时的顺序不同，结果有时就会不同。

⑥ 顺序差异解决方案

由以上UDF造成的差异可以忽略，相关任务如果在资源方面也有节省，那么最终的状态是经验可迁移状态，符合迁移条件。

2）非顺序差异

下面几个日期/时间相关函数，当有异常输入是Spark SQL会返回NULL，而Hive SQL会返回一个非NULL值。