一方面，顺序应该无关紧要，因为在shuffle期间，连接文件被Map器并行读取，文件也可能在几个Map器之间被拆分，反之亦然，一个Map器可以读取几个文件，然后Map器输出传递给每个reducer。而且，即使数据是按顺序排列的，由于并行性的原因，它也不是按顺序读取和分发的。另一方面，排序数据可以根据数据熵改进压缩。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Map程序读取数据的速度更快。另外，如果数据在加载过程中被排序，orc中的索引可以更有效地进行过滤。这取决于你的数据熵和你使用的过滤器。