代码之家 › 专栏 › 技术社区 › Ged

火花塞

apache-spark

Ged · 技术社区 · 6 年前

火花的思维方式似乎很奇怪。还是我弄错了?

1 回复 | 直到 6 年前

user10173330 6 年前

Spark bucketing在磁盘上等同于分区(都使用特定的键和散列分区来组织数据)-如果您想“内联”这个过程,只需 repartition 你的 Dataset

df.repartition(nPartitions, col)

推荐文章

Geoffrey · Pyspark:将数据帧保存到多个具有单个文件特定大小的镶木地板文件中

1 年前

Bruno Peixoto · Spark群集CI管道构建失败

1 年前

codebot · 将df从pandas转换为PySpark时会删除列名

1 年前

mcsilvio · 在foreach中组织联接的最佳方式是什么?

1 年前

Dhruv · 在sbt控制台上运行Spark

1 年前

Leonard · Pyspark:JSON到Pyspark数据帧

1 年前

billie class · 将列中的值重写为列表中的下一个值

2 年前

Calcutta · Google Colab中的Spark SQL在大数据上失败

2 年前

Doraemon · PySpark:使用不同值的字符串类型列创建聚合列

2 年前

OdiumPura · 使用JDBC(Sql server)查询tempview

2 年前