如果我打开一个数据集，责令其在具有parallel子句的特定键，然后存储它，我可以通过部分-R-00XXX提供多个文件，部分-R-00000，这取决于我在并行语句中指定。
如果我再装入一个新的数据集，说改天的价值的数据，具有一些新的钥匙和一些相同的钥匙，为了它，然后保存它，有没有什么办法，以保证从昨天的数据部分-R-00000将包含相同的密钥空间的一部分-R-00000，从今天的数据？
有没有连的方式，以保证所有的记录都将被包含在一个单一的零件文件，或者是有可能，一键可以得到在2个文件分割，给予足够的记录？
我想真正的问题是关于排序功能猪是如何工作 - 它使用一致的哈希算法国防部分发数据，或是否订购整套，然后把它吗？
这样做的目的还是希望是，如果密钥空间始终分区，这将是很容易的进行每部分文件滚动数据的合并。如果不是这样，我想的问题是，有没有写猪，使那种一致性哈希的一些运营商或方法吗？
不知道如果我的问题是很清楚的，但任何帮助，将不胜感激 - 遇到问题想出来的基础上的文档。提前致谢！
Alrighty，试图回答我的问题。
看来，猪没有保证结果的一致表示将分发文件的方式。这部分是基于文档，部分基于信息有关如何Hadoop的工作，以及部分基于观察。
当猪做了分区顺序，由（例如，使用并行子句，以获得一个以上的减速机），它似乎力之间的订单通过，并且排序本身之前，无论发生什么事的中间工作。从我可以告诉，猪着眼于数据（基于映射器的中间工作是在负载阶跃数的1-10％的数量）的1-10％，并让你的按键的抽样分布试图进行排序。
我的猜测/想法是，猪计算出密钥分发，然后使用从映射器到减速机的自定义分区。该分区映射一系列键每个减速机，所以它成为一个简单的词汇比较 - “是这个纪录比我分配end_key越线传递到下一个减速？”。
当然，也有两个因素需要考虑，基本上意味着，猪不会是一致的在不同的数据集，甚至对同一数据集的重新运行。其一，因为猪在中间工作采样数据，我想它可能获得不同的样本，因此不同的密钥分发。另外，还要考虑两个不同的数据集，具有大范围变化的关键分布的例子。猪必然会拿出不同的分布，因此如果键X是部分-R-00111有一天，它不一定会在那里结束的第二天。
希望这可以帮助其他人寻找到这一点。
编辑
我发现一对夫妇从奥赖利似乎备份我的假设资源。
一个是关于map reduce patterns。它主要描述为通过两回合方法，一个“分析”阶段和最终排序阶段是可解的标准总排序问题。
第二个是关于猪的order by明确。它说（在情况下，链接不会消亡）：
正如上文中的“组”的讨论，在数据值的偏斜是很常见的。这会影响订单只是因为它组，导致一些减速带比其他显著更长的时间。为了解决这个问题，猪平衡整个减速机的输出。它通过第一采样顺序语句的输入来获取密钥分发的估计做到这一点。在此基础上的样品，它然后建立产生一个平衡的总订单一个分区...的猪分配记录，以减少歪斜的是，它打破了一个给定键的所有实例发送到MapReduce的约定方式产生重要的副作用同一个分区。如果您有依赖于本公约其他处理，不要用猪的命令语句对数据进行排序吧......还有，猪增加了额外的MapReduce工作，以您的管道做了采样。因为该采样是非常轻便（读取仅每块的第一个记录），一般需的总作业时小于5％。