关闭。这个问题需要更加突出重点。它目前不接受答案。
**想改进这个问题吗？**通过编辑这篇文章更新这个问题，使它只关注一个问题。

4个月前关门了。
改进这个问题
我正在使用spark（pyspark）和mongodb作为关系数据库。
我们遇到了一些性能问题，我在这里找到的答案与大数据没有直接关系。
我们拉取整个mongodb，然后在spark中过滤，当我们应用一些过滤器时，我们没有过滤的一些列仍然存在于sparkDataframe中（让我稍后更好地解释最后一种情况）。
我的问题，除了对问题标题的大致理解外：
拉和过滤，或过滤和拉。如果没有一个明确的答案，那么应该考虑哪些参数？
假设我有一个sparkDataframe，其中有a、b、c列，我只在c上过滤，那么（假设我把所有东西都拉出来）删除a和b会更好吗？
任何有关这方面的链接或阅读是欢迎的。