我在Hadoop上使用Apache Parquet，过了一段时间我有一个问题。当我在Spark on Hadoop上生成parquets时，它会变得相当混乱。当我说凌乱时，我的意思是Spark工作正在生成大量的镶木地板文件。当我尝试查询它们时，我正在处理大量时间查询，因为Spark正在将所有文件合并在一起。
你能告诉我正确的处理方式，或者我可能会错过它们吗？你已经处理好了，你是如何解决它的？
更新1： 将这些文件合并到一块实木复合地板中是否有一些“副作用”足够好？什么尺寸的镶木地板文件优先使用，一些上下边界？