由于这个问题还没有结束，我将试图回答并提供一些论点。
自从添加了spark2.3本机orc支持并修复了orc的许多问题之后，例如矢量化读写、 predicate 下推、模式演化、索引和bloom过滤器的使用以及许多其他改进和修复。在spark 2.3之前，更好地使用Parquet地板，它工作得更快，而且没有很多问题。根据hortonworks的介绍，有些复杂的类型在orc中不能使用原生支持，orc原生酸支持也在进行中。如果这些限制是关键，那么使用Parquet地板。
orc从一开始就在mr和tez上的hive中得到了更好的支持：矢量化、ppd和acid将在hive中与orc一起工作。你说过它只会在spark中使用，但是谁知道谁也会查询你的表，以及为什么你在问题中提到了hive。分析/bi软件可能使用hive，而不是spark。
你提到的序列格式、文本文件和avro甚至无法与orc和parquet相比，因为它们缺少ppd、矢量化和acid等特性。序列是一个可拆分的容器，你不需要用Parquet或兽人，这些也是可拆分的。
查看hortonworks演示：orc-improvement-in-apache-spark-2-3-它包含改进细节、与Parquet地板的比较、基准测试和一些限制细节。