我看到parquet支持每列的字典编码，GitHub文档中描述了字典编码：
字典编码(PLAIN_DICTIONAY=2和RLE_Dictionary=8(
字典编码构建给定列中遇到的值的字典。字典将存储在每个列块的字典页面中。使用RLE/Bit Packing Hybrid编码将这些值存储为整数。如果字典变得太大，无论是在大小还是不同值的数量上，编码都将回到纯编码。首先写入字典页，然后写入列块的数据页。
字典页面格式：字典中的条目-按字典顺序-使用纯编码。
数据页格式：用于对存储为1字节的条目id进行编码的位宽(最大位宽=32(，后面是使用上述RLE/bit压缩编码的值(具有给定位宽(。
Parquet 2.0规范中不赞成使用PLAIN_DICTIONARY枚举值。对于Parquet 2.0+文件，首选在数据页中使用RLE_DICTIONARY，在字典页中使用PLAIN。
好的。。。。那么我如何知道何时使用字典编码呢？
有什么经验法则可以帮助吗？例如，如果一列中90%的值预计在某个特定集合中，我应该使用它们？
我有一个用例，我期望不同列有三种不同的场景：
- 整数列，其中所有值都位于一个非常小的集合内→似乎非常适合字典编码
- integer列，其中99%的值位于一个非常小的集合内，但1%不太可能形成任何聚类→不确定
- 没有值可能相同的字符串列→字典编码似乎是个坏主意
是否有任何文件解释在各种情况下哪种策略是合适的？
我不知道有任何文档(至少在箭头一侧(建议何时使用或不使用字典编码。这是一个很好的问题，你的直觉是合理的——也许你可以尝试用两种方式写这些类型的数据，并比较文件大小和读/写速度。我很想看看你发现了什么。