Pyspark Spark 3.0-使用.save（）或.saveAsTable（）保存时的读取性能

我想知道这两个命令之间的性能（阅读时）是否有差异

df.write.format（'parquet'）.partitionBy（xx）.save（'/…/xx.parquet'）

df.write.format（'parquet'）.partitionBy（xx）.saveAsTable（'…'）

---

我知道对于bucketing，这个问题不会出现，因为它只用于托管表（saveAsTable（））；然而，对于分区是否有特权的方法，我有点困惑。

我试图在一个小数据帧上实验性地找到答案，结果如下：

ENV = Databricks Community edition 
      [Attached to cluster: test, 15.25 GB | 2 Cores | DBR 7.4 | Spark 3.0.1 | Scala 2.12]

sqlContext.setConf( "spark.sql.shuffle.partitions", 2)
spark.conf.set("spark.sql.adaptive.enabled","true")

df.count() = 693243

结果:

正如预期的那样，使用.saveAsTable（）进行写入要长一点，因为它必须执行专用的“CreateDataSourceTableAssetSelect命令”才能实际创建表。 然而，在这个简单的示例中，当以将近x10的倍数读取.saveAsTable（）时，观察到这种差异是很有趣的。 如果有人有能力的话，我非常有兴趣在更大的范围内比较结果，并了解引擎盖下发生了什么