在Hadoop第137页:权威指南第4版中，它讨论了面向列的格式文件，并在下面显示了图片。
在RCFile中，为什么数字的顺序是1,4,2,5,3,6,7,10,8,11,9,12而不是1,4,7,10,2,5,8,11,3,6,9,12？
最佳答案
首先， RC不是列式文件，它是记录列式文件。
RC和ORC都是可拆分的。这意味着您不必读取所有文件就只能得到很少的行，并且可以被许多容器并行读取。这就是为什么我们需要拆分。
拆分包含的行被分组在一起，并且可以彼此独立地读取，同时列也分组在拆分中。相似的数据可以更好地压缩，因此，如果将列分组在一起，则可以提高压缩率。在您的示例中，一个拆分仅包含两行，但它可以包含10000或更多行。
官方documentation对RC文件说的是:
在同一节点上。
跳过不必要的列读取。
另请参阅ORC。使用ORC中的索引，可以轻松地在最低级别过滤 strip 。此功能称为谓词下推。