现在我是spark sql的初学者（在scala lang中）。我想运行查询。使用镶木地板文件真的能提升性能吗是否需要将数据库（Oracle）中的镶木地板文件或读取数据放入HDFS以执行火花查询？哪一个是正确的方法呢？
答案 0 :(得分：2)
我可以肯定地说，与通过JDBC连接器读取Oracle等RDBMS相比，从HDFS读取镶木地板文件更具可扩展性。原因就是数据本地化 - 如果你在相同的主机上运行你的Spark执行器，HDFS数据节点位于这些主机上，并且可以在没有网络开销的情况下有效地将数据读入内存。 见https://jaceklaskowski.gitbooks.io/mastering-apache-spark/content/spark-data-locality.html 和 How does Apache Spark know about HDFS data nodes? 了解更多详情。
此外，Parquet格式是柱状的，并且比传统的RDBMS作为OLAP存储具有优势（特别是当数据稀疏时）。简短比较：https://www.wikiwand.com/en/Column-oriented_DBMS#/Benefits