把一份大表交给一台大服务器，还是拆给 32 台小服务器？多机器像多找了些人干活，但分工、传文件和对进度也要花时间。Polars——用于清洗、连接和汇总表格数据的高性能引擎——用一次实测说明：分布式并非天然更快，单机也并非只要装得下就一定占优。
作者用约 1 TB 的未压缩 CSV 数据跑 PDS-H 分析查询，数据直接从 AWS S3 读取。单机配置为 128 vCPU、512 GB 内存；分布式配置为 32 台各 4 vCPU、16 GB 内存的机器，总算力与内存相同，AWS 价格也相近。每项测试跑三次并取最快成绩。结果是多数查询接近，分布式总体仅略快，但差异取决于任务：Q8、Q9 这类重度连接查询需要 shuffle——把相关数据跨机器搬到一起——网络传输拖慢了分布式，单机明显更快；Q6、Q14、Q15 主要受读取速度限制，许多小机器可获得更有利的网络带宽，因此分布式更快。说白了，判断是否值得支付调度成本，不能只看数据能否塞进一台机器，还要看瓶颈究竟是“读数据”还是“搬数据”。以上结论来自 Polars 团队自测。