是否合并（1）写入前的数据帧对性能有任何影响？
在我将数据帧写入hdfs之前，coalesce(1)要让它只写一个文件，所以在复制东西时很容易手动处理东西，从hdfs获取，...
我会像这样编写输出。
outputData.coalesce(1).write.parquet(outputPath)
（outputData是org.apache.spark.sql.DataFrame）
我想问一下他们是否对性能有影响而不是合并
outputData.write.parquet(outputPath)
展开
收起
1
条回答
写回答
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。我不建议这样做。分布式计算的整个目的是将数据和处理放在多台机器上，并充分利用许多机器（工作节点）的CPU /内存的好处。
在您的情况下，您试图将所有东西放在一个地方。如果要只用一个分区写入单个文件，为什么还需要分布式文件系统？性能可能是一个问题，但只有在对群集上多个节点上分布的大量数据使用Coalesce函数之前/之后进行检查后才能对其进行评估。
2019-07-17 23:20:09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。
相关问答
