将 sortWithinPartitions 应用于 df 并将输出写入表后，我得到了一个结果，但我不知道如何解释。
df
.select($"type", $"id", $"time")
.sortWithinPartitions($"type", $"id", $"time")
结果文件看起来有点像
1 a 5
2 b 1
1 a 6
2 b 2
1 a 7
2 b 3
1 a 8
2 b 4
它实际上不是随机的，但也不像我期望的那样排序。即，首先按类型，然后是 id，然后是时间。如果我尝试在排序之前使用重新分区，那么我会得到我想要的结果。但由于某种原因，文件的重量增加了 5 倍（100GB 与 20GB）。
我正在向 hive orc 表写入数据，并将压缩设置为 snappy。
有谁知道为什么它是这样排序的，以及为什么重新分区会得到正确的顺序，但尺寸更大？
使用火花2.2。
我的桌子上有很多列。我不想写像
CREATE TABLE IF NOT EXISTS
table1(
col1 int,
col2 String,
etc....)
有没有一种快速的方法来创建具有相同结构但没有任何数据的表？
我有2个选择语句.我和他们结合了.
select * from t1
union all
select * from t2
我可以为结果添加别名吗？会有类似的东西
union all as t3
工作？