大多数场景下 应该用DataFrame,Structured API或者sql性能更好,但有些场景高级操作不适合,此时可以用低级api-rdd
低级api三种场景:你想自己控制数据物理分布、你想维护rdd写的历史代码、你想做一些自定义共享变量操作。Partitioner 使用正确可以极大提高性能和稳定性,正确的自定义分区来控制 数据的物理分布是使用RDD重要原因
spark所有代码都会编辑到rdd,rdd的api入口是spark.sparkContext,spark是SparkSession实例
rdd代码使用python回比java和scala性能低
spark-rdd
最新推荐文章于 2024-10-07 12:04:27 发布