嘿，我不能帮你解决所有的问题，但我会试试的
您可以使用filedump实用程序读取orc文件的元数据，请参见此处
我很不确定模式的进化，但据我所知，兽人不支持进化。
orc索引存储最小值和最大值之和，因此如果您的数据是完全非结构化的，您可能仍然需要读取大量数据。但是自从orc的最新版本以来，你可以使用一个额外的bloom过滤器，它在行组消除中更精确。也许这对orc用户邮件列表也有帮助
orc为每一列提供一个索引，但它只是一个轻量级索引。您可以在filefooter、stripefooter和默认情况下每10000行中的数字列上存储有关min/max和sum的信息。所以它不会占用那么多空间
如果将表存储在orc文件格式中，则配置单元将使用特定的orc recordreader从列中提取行。列式存储的优点是不必读取整行

1和2。使用hive和/或hcatalog在hive metastore中创建、读取、更新orc表结构（hcatalog只是一个侧门，允许pig/sqoop/spark/whatever直接访问metastore）
2 ALTER TABLE 命令允许添加/删除任何存储类型的列，包括orc。但要小心一个讨厌的bug，它可能会在之后导致矢量化读取崩溃（至少在v0.13和v0.14中是这样）
三。和4。“指数”这个词相当不恰当。基本上，它只是在写入时保留在条带页脚中的最小/最大信息，然后在读取时用于跳过所有明显不符合条件的条带 WHERE 需求，在某些情况下大大减少了i/o（这一技巧在列存储中很流行，例如mysql上的infobright，但在oracle exadata设备中也很流行[被oracle marketing称为“智能扫描]）
5hive可以使用“行存储”格式（文本、sequencefile、avro）和“列存储”格式（orc、parquet）。优化器只是在初始Map阶段使用特定的策略和快捷方式——例如条带消除、向量化操作符——当然，序列化/反序列化阶段对列存储的处理要复杂一些。