在Apache spark中跨执行程序共享数据
我的SPARK项目（用Java编写）需要跨执行程序访问（SELECT查询结果）不同的表。
这个问题的一个解决方案是：
我创建了一个tempView
选择所需的列
使用forEach转换DataFrame为Map。
将该映射作为跨执行器的广播变量传递。
但是，我发现了
有许多复杂的查询，其结果不能直接存储在 Map
表格非常大，因此创建Map大尺寸并将其作为广播变量传递给执行者听起来效率不高。
相反，我们可以在内存中加载表，使用load哪些表可以跨执行程序共享？
是 void org.apache.spark.sql.Dataset.createOrReplaceTempView(String viewName)
要么 void org.apache.spark.sql.Dataset.createGlobalTempView(String viewName) throws AnalysisException
有什么有用的方法？
SPARK版本：2.3.0
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。我的SPARK项目（用Java编写）需要跨执行程序访问（SELECT查询结果）不同的表。
这个问题的一个解决方案是：
我创建了一个tempView
选择所需的列
使用forEach转换DataFrame为Map。
将该映射作为跨执行器的广播变量传递。
但是，我发现了有许多复杂的查询，其结果不能直接存储在 Map
表格非常大，因此创建Map大尺寸并将其作为广播变量传递给执行者听起来效率不高。
相反，我们可以在内存中加载表，使用load哪些表可以跨执行程序共享？是 void org.apache.spark.sql.Dataset.createOrReplaceTempView(String viewName)
要么 void org.apache.spark.sql.Dataset.createGlobalTempView(String viewName) throws AnalysisException
有什么有用的方法？
SPARK版本：2.3.0
2019-07-17 23:23:02赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
