通读文档（http://snappydatainc.github.io/snappydata/streamingWithSQL/）并对此项目有疑问：
“通过共同分区减少混洗：使用 SnappyData，输入队列（例如，用于 Kafka 源）、流处理器和底层存储使用的分区键都可以相同。这大大减少了混洗记录的需要。”
如果我们使用 Kafka 并使用键（单个值）将我们的数据分区到一个主题中。是否可以将这个单个键从 kafka 映射到 snappy 表中标识的多个分区键？
是否有某种散列可以将多个键变成一个键？
减少洗牌的好处似乎很重要，并试图在这里了解最佳实践。
谢谢！
使用 DirectKafka 流，每个分区从自己指定的主题中提取数据。如果没有为存储表指定分区，那么每个 DirectKafka 分区将只放入本地存储桶，然后一切都会排列好，不需要任何额外的东西。唯一需要注意的是足够数量的主题（因此是分区）以实现更好的并发性——理想情况下至少与集群中处理器内核的总数一样多，因此所有内核都处于忙碌状态。
当显式分区存储表时，SnappyData 的存储已调整为使用与 Spark 的HashPartitioning相同的散列（用于列表和行表的“PARTITION_BY”选项），因为这是在 Catalyst SQL 执行层使用的散列。所以执行和存储总是并置的。但是，将其与 DirectKafka 分区的摄取对齐将需要一些手动工作（将 kafka 主题分区与 HashPartitioning 对齐，然后让每个 DirectKafka 分区的首选位置与存储匹配）。将在即将发布的版本中进行简化。