数据库中索引的工作方式：参考 Xenph Yan 的答案
在表中的字段上创建索引会创建另一个数据结构，该结构包含字段值和指向与其相关的记录的指针。然后对该索引结构进行排序，允许对其执行二进制搜索。
我理解 ORC 索引的方式是，ORC 每 10'000 行（默认情况下）保留有关行的统计信息（最小值、最大值、总和），如果我查询数据，它会查看统计信息以确定是否需要读取行块与否。
那么ORC索引不对数据进行排序是否正确？
我有一个 69 列的大表，其中包含非常非结构化的数据，我希望能够对每一列执行临时查询。为此，我希望能够通过索引（或至少其中大多数）对每一列进行排序。快速查询的数据中没有“关键”列。
ORC 索引有两种形式，始终创建的标准索引（每列的每个步幅的最小/最大值）和布隆过滤器。
普通索引适用于范围查询，并且在对数据进行排序时工作得非常好。这通常在任何日期列或增加的列（如 ids）上是自动的。
布隆过滤器非常适合对未排序数据的 URL、名称等进行相等查询。（即客户名称有时会出现在数据中）。
但是，Bloom 过滤器需要一些时间来计算，在索引中占用一些空间，并且对于数据仓库中的大多数列（诸如利润、销售额等数字字段）都不能很好地工作，因此它们不是默认创建的，需要为列启用：
orc.bloom.filter.columns
步幅大小是指 ORC 读取器在基于这些索引的读取操作期间可以跳过的数据块。10000 通常是一个很好的数字，增加它对您没有多大帮助。
http://www.slideshare.net/BenjaminLeonhardi/hive-loading-data
Hive 被设计为一个伪 SQL 前端，用于在（大量）数据集上运行（长）批处理作业。您可以运行“临时查询”，但忘记“快速”。
此外，当您索引数据库中的列（即CREATE INDEXSQL 中的命令）时，您索引的是每一行的完整、准确的值。如果您的数据确实是“非结构化的”，那可能毫无意义。
所以...如果您需要的是全文搜索，为什么不将所有数据转储到 ElasticSearch 或 Solr 之类的东西中呢？