一方面,顺序不应该重要,因为在洗牌联接期间,映射器并行读取文件,而且文件可能在几个映射器之间分割,或者反过来,一个映射器可以读取几个文件,然后将映射器输出传递给每个约简器。即使数据已经排序,由于并行性,它也不按其顺序被读取和分发。另一方面,根据数据熵,排序可以提高压缩率。类似的数据可以更好地压缩。因此,有序压缩的文件更小,在联接查询执行期间读取速度更快。这可能会提高联接速度,因为映射器将更快地读取数据,并且如果在加载和启用 PPD 时按过滤列对数据进行排序,则 ORC 中的内部索引会高效工作。排序和压缩的文件大小可以降低三倍甚至更多,这将导致映射器减少三倍。当您写入和排序一次并多次阅读时,排序是有效的。