虽然Spark-dataFrames可以在列抽象中承载许多模型，但核心缺失在于忘记了Spark在“延迟”的流处理流中使用它们，阿拉普发生执行（用于“驱逐”dataFrame计算中无用部分的技巧（如果这些“稍后”不进一步使用，那么为什么要计算它们呢？）和用于通过分割工作的延迟掩蔽）
这是什么意思？
我们可以想象一下，如果我们将沙子装入前1000辆马车，水泥装入下一个1000辆马车，水装入下一个1000辆马车，如果目标是混合BETON（来自沙子，水泥和水）并将其装入最后1000辆马车，将最后一辆马车后面几英里的地方与水连接，这种“Spark”-o-train将永远不会更快。
如果人们将断开这种组合的“Spark”列车，并将所有与BETON过程相关的货车并排“对齐”移动（因此，人们还必须建造至少4个平行的铁轨，并添加如此多的发动机以“运动”），
仅此而已
将允许以真正的[PARALLEL]方式混合（计算）和存储所得到的BETON，
给定
没有顺序（重新）排序和没有并发（重新）使用，阻塞越少，
足够多的资源，足以在这种超快的专用BETON混合ASAP Quad-o-train中一次获取、处理和存储1000个货车的所有块，无论有多少货车仍然挂在最后一辆货车后面，我们的“DATA”-for-BETON（无论它是附在各自铁轨上的水-，沙子-或水泥-进料货车上-这仍然尽快运行BETON，具有单个等待时间步长-获取时间-{ SAND|水泥|水}-一次进入BETON-混合车，我们在这里，没有更快的过程存在）
在这样一个无阻塞、零共享、零延迟的资源丰富的生态系统中，没有那么多资源的容量？
然后期待任何东西，但比这更少的性能。
共享资源，串行数据获取（在dataFrames的流中），只是将进程推迟到稍后的某个时刻，阿拉普被称为延迟掩蔽是公平的，有时是有用的，如果数据内容和计算图允许的话，而不是一般的。
对不起，但这就是真实的世界的执行实际发生的情况，一旦我们去看内部工作，忽略营销福音神话。
一旦所有 Dataframe 都必须“通过”并且所有资源都保持忙碌，将许多功能加载到同一个“Spark”-o-train上并不能帮助多模型训练更快地运行。