如何计算spark中的数据集，在加入内存中的大小
如题，数据在磁盘中，一般因为压缩等原因，在加载到内存中，完全展开以后，数据会膨胀很多，为了更好的利用内存，和调整相应参数，如何准确获取到，或者能预估出数据集在内存中的大小 当前尝试使用创建df.cache.count,然后通过执行计划获取数据集大小 val bytes = spark.sessionState.executePlan(df.queryExecution.logical).optimizedPlan.stats.sizeInBytes 但是，该值和直接cache 数据集有很大的差异，我目前无法判断哪一个是准确的
展开
收起
问答分类：
问答地址：
开发者社区
>
大数据与机器学习
>
开源大数据平台 E-MapReduce
>
问答
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
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
热门讨论
热门文章
hdfs 文件块过多（1亿）每个datanode 占3000万块(分16G内),某时刻内存陡然增加？
622
我想问一下阿里云E-MapReduce，为什么会报错这个信息呢？
233
E-MapReduce和MaxCompute的区别是什么？
2002
阿里云E-MapReduce在mac本地测试是需要怎么安装一下吗？
279
Databricks 和 Dataworks 都是一站式的数据分析平台，两者的区别是什么？
2090
NeuSoft是什么？
1682
EMR StarRocks有hive或spark的炸裂函数，类似explode可以用吗?
714
阿里云E-MapReduce中oss在这个do-while循环期间如果有新创建的文件是否能读取到呢？
63
阿里云共享块存储和NAS还有OSS的区别是什么呀
7760
Spark调优数据分布不均是什么意思？
529
展开全部
如何使用Kafka Connect实现同步RDS binlog数据
16108
JindoFS解析 - 云上大数据高性能数据湖存储方案
14742
JindoFS概述：云原生的大数据计算存储分离方案
23214
开源大数据周刊-第90期
9736
从数砖开源 Delta Lake 说起
9689
使用Hive进行OSS数据处理的一个最佳实践
11492
通过ZeppelinHub viewer来分享zeppelin的notebook和报表数据
7031
E-MapReduce结合DataV进行数据展现
6495
使用Spark Streaming SQL基于时间窗口进行数据统计
8392
EMR Spark Relational Cache如何支持雪花模型中的关联匹配
5829
展开全部
