Optimization 配置单元不影响数据记录的顺序以连接表

我想知道在连接两个表时，数据记录的顺序是否重要（性能方面）？
另外，我没有使用任何地图边连接或桶连接

---

谢谢大家!

一方面，顺序应该无关紧要，因为在无序排列期间，映射程序并行读取连接文件，文件也可能在几个映射程序之间拆分，反之亦然，一个映射程序可以读取几个文件，然后映射程序的输出传递给每个还原程序。而且即使数据是按顺序排列的，由于并行性，它也不是按顺序读取和分发的。另一方面，根据数据熵对数据进行排序可以改进压缩。类似的数据可以更好地压缩。因此，按顺序排列的文件压缩文件可以更小，并且在连接查询执行期间读取速度更快。这可能会提高连接速度，因为映射程序读取数据的速度更快。此外，如果在加载过程中对数据进行排序，ORC中的索引可以更有效地进行过滤。这取决于您使用的数据熵和过滤器。

嗨，leftjoin，谢谢您的输入。请问我是否不使用任何压缩，对数据进行排序不会影响/提高联接性能，对吗？@James Sorting在某些情况下可能会提高，如果您使用ORC，并且在插入ORC表之前使用sort+distribute：