我必须将数据从oracle表导入spark dataframe，并且可以使用下面使用jdbc连接和并行查询的模板成功地完成。

df = spark.read \
    .format("jdbc") \
    .option("url", "jdbc:oracle:thin:@//host:port/SID") \
    .option("dbtable", "(a select query) (OR) a table name") \
    .option("user", "username") \
    .option("password", "password") \
    .option("driver", "oracle.jdbc.driver.OracleDriver") \
    .option("partitionColumn", "numeric PK") \
    .option("lowerBound", "1") \
    .option("upperBound", "max(partitionCol)") \
    .option("numPartitions", "10") \
    .load()

我知道这里的边界条件并没有过滤掉记录，而只是用来决定步距。
对于一些进口产品，我不得不利用 ROW_NUMBER() OVER (ORDER BY PK/Index Col) RNUM 并在源数据中没有可用的数字键时将其用作分区列。但是，最终我无法引用row\ u number（）函数中的任何列，并考虑使用一个伪数字列，如 ROWNUM 对于oracle或 ROW_NUMER() OVER (ORDER BY (SELECT NULL)) 对于sqlserver表。
但这会导致这样一个问题：在导入过程中的哪个时间点，是执行这个row\u number（）还是rownum查询？它的值是每次在每个分区的查询中新计算的吗？或者这个列的完整select查询在开始时只运行一次，然后将其结果用于将数据拆分为多个分区？
如果没有order by的rownum或row\ U number（）有可能在多次运行时不会以相同的顺序生成结果，那么spark dataframe中导入的数据是否会有重复或重叠的数据块？
我在一个有大约20万条记录的表上多次尝试了这个方法，我能够正确地导入数据，最大值、不同值和源和目标之间的计数匹配。但我只是想确认我在试验中并不幸运。