我是大数据的新手，试图从更好的查询执行角度了解不同的文件格式，同时又想了解有关ORC和Parquet的文件布局的更多信息，遇到了以下术语，并希望验证我的理解。 / p>
条纹-根据我的理解，条纹是属于同一数据集的一组行，例如，如果我们在某个国家/地区拥有不同国家/地区的数据 文件中，每个国家/地区的数据都在一个Stripe中，这有助于减少从磁盘传输到内存的数据量，因为不相关的Stripes可以使用谓词下推来跳过。
VectorizedRowBatch，这有助于对列数据进行矢量化以进行有效的CPU处理。它逐批处理。在这种情况下，我无法理解Stripes＆Batch之间的区别。据我了解，条带化有助于减少从磁盘传输到内存的数据量，而Batch则可以使用矢量化方法并行处理记录。
3.Stripes仅特定于ORC文件格式，Parquet文件的类似概念是“ Partitions”，它是存储在RowGroups中的相关数据。这有助于谓词下推。
对于Parquet，我们没有向量化支持，这意味着ORC比Parquet更好，可以提高CPU利用率。
如果我对上述要点的理解有误，请纠正我。