2018/04/23
大部分时候,都是用的spark内置的命令。什么记个数,什么做个sql,这种概念。
即使是上了我所有的数据集,也不会特别慢。
但是自从我上了这个udf之后,就变得很慢了。每次运行个二十多分钟,这个就有点没法忍受了。
但是还是不能理解,到底是什么部分导致我变慢了。这个阶段的优化的话,就真的是语言级别的优化了,整体说底层架构的东西已经都优化好了,但是对于语言来说,还是没有优化。
不过,话说回来,除了一个我自定义的函数,大部分语句还是那种pandas的统计数据的。
我感觉,一个比较重要的地方,就是我怎么去看这部分是耗时的,又怎么去优化。还是得去谷歌查,