我们发现，从Spark 1.3到当前的Spark 2.0.1，使用Spark的API从Oracle数据库加载数据的速度一直很慢。Java中的典型代码如下所示：

Map<String, String> options = new HashMap<String, String>();
        options.put("url", ORACLE_CONNECTION_URL);
        options.put("dbtable", dbTable);
        options.put("batchsize", "100000");
        options.put("driver", "oracle.jdbc.OracleDriver");

        Dataset<Row> jdbcDF = sparkSession.read().options(options)
                .format("jdbc")
                .load().cache();
        jdbcDF.createTempView("my");

        //= sparkSession.sql(dbTable);
        jdbcDF.printSchema();
        jdbcDF.show();

        System.out.println(jdbcDF.count());

我们的一个成员曾经尝试定制这一部分，他当时改进了很多(Spark 1.3.0)。但Spark核心代码的某些部分变成了Spark的内部代码，因此在该版本之后不能使用该代码。此外，我们看到Hadoop的SQOOP在这一部分比Spark快得多(但它写入HDFS，这将需要大量的工作才能转换成供Spark使用的数据集)。使用Spark的数据集写入方法向Oracle写入数据似乎对我们有好处。这是令人费解的，为什么会发生这种事！