目前，我们必须考虑在两个Dataframe之间连接许多列（可能是20-30甚至更多）的用例，以标识要持久化的新行。
一个Dataframe可以包含20万行，其他4万行可以继续增长。
我们在集群中运行这个进程，大约有40个工作节点。。
所以问题不在于spark能否做到这一点，而在于能否使整个集群瘫痪
这个场景的问题是：
集群性能如何根据要加入的列数而有所不同（重新排列等）？
跨所有连接列对Dataframe进行分区是否可行？