如何通过Spark加速将Oracle视图加载到HDFS？

为了加快表的加载速度，我们获取rowid，对其进行散列，并对其进行分区。代码如下。然而，视图并没有rowid，并且在不确定划分哪个列的情况下，我们没有一个通用的并行摄取解决方案。有没有一种方法可以并行地摄取视图，而不具体化视图

spark.read.format("jdbc")
    .option("url", url)
    .option("user", username)
    .option("password", new String(decrypt(decodeBase64(encryptedPassword), key), "UTF-8"))
    .option("driver", "oracle.jdbc.driver.OracleDriver")
    .option("dbtable", query)
    .option("numPartitions", numPartitions)
    .option("lowerBound", 0)
    .option("upperBound", numPartitions)
    .option("partitionColumn", s"mod(ora_hash(rowid),${numPartitions})+1")
    .option("oracle.net.networkCompression", "on")
    .option("SDU", OracleSDU)
    .option("fetchsize", FetchSize)
    .load()

---

第一个想法：从视图中使用的表中公开rowid，或者作为键执行一些

row_number（）（按rowid排序）

不在我的视图中，因为可能有很多joibs在下面