- 博客(2)
- 收藏
- 关注
翻译 深入浅出Spark Join
文章目录影响Spark Join操作的三个因素输入数据集的大小Join条件Join类型Spark Join的执行机制Hash JoinBroadcast Hash JoinShuffle Hash JoinSort Merge JoinCartesian JoinBroadcast Nested Loop JoinSpark如何选择Join机制何时使用Broadcast Hash Join何时使用Shuffle Hash Join何时使用Sort Merge Join何时使用Cartesian Join何时
2020-11-28 10:43:00 344
翻译 过滤Spark数据集的四种方法
文章目录FilterMapMapPartitionsInner Join总结在实际工作中,根据某个字段,对一个Spark数据集进行过滤,是一个很常见的场景,举个例子:一个存储公司员工信息的数据集A,有以下三个字段:id: Integername: Stringage: Integer现在要过滤出某些员工的id,这些id在B集合(B可能是哈希表,也可能是Spark数据集)中,过滤逻辑为:C = A.filter(A.id in B)有四种方法可以实现,分别为:FilterMapMa
2020-11-16 20:50:31 3950
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人