哪个选项提供了pyspark的最佳性能？使用map进行udf或rdd处理？

k2arahey 于 2021-05-29 发布在 Spark

关注(0)|答案(1)|浏览(541)

哪种选择提供了Pypark的最佳性能？使用Map进行自定义项或rdd处理？
我使用spark结构化流处理来消耗数据，对于每个微批处理，我将df转换为rdd，并执行一些python graphkit操作，然后再次将rdd转换为df，以写入kafka流。

rdd apache-spark pyspark apache-spark-sql spark-structured-streaming

来源：https://stackoverflow.com/questions/62594479/which-option-gives-the-best-performance-with-pyspark-an-udf-or-rdd-processing

1条答案

按热度按时间

我一般认为udf比rddMap更快。根据您的python版本，您可以使用pandas udf，这肯定更快。请参阅此处：https://databricks.com/blog/2017/10/30/introducing-vectorized-udfs-for-pyspark.html

赞(0）回复(0）举报 2021-05-29

相关问题

热门标签

Java query python Node 开发语言 request Util 数据库 Table 后端算法 Logger Message Element Parser

最新问答

xxl-job 安全组扫描到执行器端口服务存在信息泄露漏洞
回答(1) 发布于 3个月前
xxl-job 不能和nacos兼容？
回答(3) 发布于 3个月前
xxl-job 任务执行完后无法结束，日志一直转圈
回答(3) 发布于 3个月前
xxl-job-admin页面上查看调度日志样式问题
回答(1) 发布于 3个月前
xxl-job 参数512字符限制能否去掉
回答(1) 发布于 3个月前