hadoop - 哪个更快？带有 Where 子句的 Spark SQL 或在 Spark SQL 之后在 Dataframe 中使用过滤器

Question

哪个更快？ Spark SQL 与 Where 子句或在 Spark SQL 之后在 Dataframe 中使用过滤器？

喜欢从选项卡 1 中选择 col1、col2，其中 col1=val；

或者

dataframe df=sqlContext.sql(从tab 1中选择col1, col2);

df.filter("Col1=Val");

Answer 1

使用explain 方法查看物理计划是确定性能的好方法。

例如，Zeppelin 教程笔记本。

sqlContext.sql("select age, job from bank").filter("age = 30").explain

和

sqlContext.sql("select age, job from bank where age = 30").explain

具有完全相同的物理计划。

== Physical Plan ==
Project [age#5,job#6]
+- Filter (age#5 = 30)
   +- Scan ExistingRDD[age#5,job#6,marital#7,education#8,balance#9]

所以性能应该是一样的。

虽然我认为 select age, job from bank where age = 30 在这种情况下更具可读性。