- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 2.3 版本的 pySpark(在我当前的开发系统中无法更新到 2.4),并且有以下关于 foreachPartition 的问题.
首先介绍一点背景信息:据我了解,pySpark-UDF
强制 Python 代码在 Python 实例中的 Java 虚拟机 (JVM) 之外执行,从而降低了性能。由于我需要将一些 Python 函数应用于我的数据并希望最大限度地减少开销成本,因此我有一个想法,至少将一组可处理的数据加载到驱动程序中并将其作为 Pandas-DataFrame 进行处理。无论如何,这都会导致 Spark 失去并行性优势。然后我读到 foreachPartition
将一个函数应用于分区内的所有数据,因此允许并行处理。
我现在的问题是:
当我通过 foreachPartition 应用 Python 函数时,Python 执行是否在驱动程序进程内进行(因此分区数据通过网络传输到我的驱动程序) ?
数据是在 foreachPartition
中逐行处理(意味着每个 RDD 行都被一一传输到 Python 实例),还是一次性处理分区数据(举例来说,这意味着整个分区都会传输到实例并由一个 Python 实例作为一个整体进行处理)?
预先感谢您的输入!
<小时/>编辑:
我之前使用过的驱动程序解决方案看起来像这样,取自SO here :
for partition in rdd.mapPartitions(lambda partition: [list(partition)]).toLocalIterator():
# Do stuff on the partition
可以从 docs 中读取rdd.toLocalIterator()
提供必要的功能:
Return an iterator that contains all of the elements in this RDD. The iterator will consume as much memory as the largest partition in this RDD.
最佳答案
幸运的是,我偶然发现了 Mrinal 对 mapPartitions
的精彩解释(回答 here)。
mapPartitions
在 RDD 的每个分区上应用一个函数。因此,如果分区分布在不同的节点上,则可以使用并行化。在这些节点上创建处理 Python 函数所需的相应 Python 实例。虽然 foreachPartition
仅应用一个函数(例如,将数据写入 .csv 文件),但 mapPartitions
还会返回一个新的 RDD。因此,使用 foreachPartition
对我来说是错误的选择。
为了回答我的第二个问题:像 map
或 UDFs
这样的函数创建一个新的 Python 实例并从 DataFrame/RDD 逐行传递数据,导致大量的开销。 foreachPartition
和 mapPartitions
(都是 RDD 函数)将整个分区传输到 Python 实例。
此外,使用生成器还可以减少迭代此传输的分区数据所需的内存量(分区作为迭代器对象处理,然后通过迭代此对象来处理每一行)。
示例可能如下所示:
def generator(partition):
"""
Function yielding some result created by some function applied to each row of a partition (in this case lower-casing a string)
@partition: iterator-object of partition
"""
for row in partition:
yield [word.lower() for word in row["text"]]
df = spark.createDataFrame([(["TESTA"], ), (["TESTB"], )], ["text"])
df = df.repartition(2)
df.rdd.mapPartitions(generator).toDF(["text"]).show()
#Result:
+-----+
| text|
+-----+
|testa|
|testb|
+-----+
希望这可以帮助面临类似问题的人:)
关于python - pySpark forEachPartition - 代码在哪里执行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55654982/
spark foreachPartition,如何获取分区的索引(或者序列号,或者识别分区的东西)? val docs: RDD[String] = ... println("num partitio
我正在使用 2.3 版本的 pySpark(在我当前的开发系统中无法更新到 2.4),并且有以下关于 foreachPartition 的问题. 首先介绍一点背景信息:据我了解,pySpark-UDF
我的环境如下 Spark 1.6.1Hadoop 2.6.2 我们的需求如下(全部在Java Spark中) 1. 读取 CSV 文件并应用架构并将其转换为数据框 2.通过Spark分区SQL获取所有
我尝试在具有 8 个分区的 RDD 上使用 pyspark 来使用 forEachPartition() 方法。我的自定义函数尝试为给定的字符串输入生成字符串输出。这是代码 from google.c
我尝试在具有 8 个分区的 RDD 上使用 pyspark 来使用 forEachPartition() 方法。我的自定义函数尝试为给定的字符串输入生成字符串输出。这是代码 from google.c
我通过 spark-shell 评估了以下几行 scala 代码: val a = sc.parallelize(Array(1,2,3,4,5,6,7,8,9,10)) val b = a.coal
我们正在使用 spark 进行文件处理。我们正在处理相当大的文件,每个文件大约 30 GB,大约有 40-50 百万行。这些文件是格式化的。我们将它们加载到数据框中。最初的要求是识别符合条件的记录并将
我有一个 Spark Streaming 作业,它从 Kafka 读取数据,并在再次写入 Postrges 之前与 Postgres 中的现有表进行一些比较。这是它的样子: val message =
我有一个 DataProc 集群,其中有一个 master 和 4 个 worker。我有这个 Spark 工作: JavaRDD rdd_data = javaSparkContext.parall
我有一些这样的代码: println("\nBEGIN Last Revs Class: "+ distinctFileGidsRDD.getClass) val lastRe
我正在尝试找到一种方法来捕获 Spark 在其驱动程序的 foreachPartition() 方法内引发的异常。在数据集上使用 foreachPartition() 时,我传递了一个在各个工作线程之
我目前正在探索 Spark。我面临以下任务 - 获取一个 RDD,根据特定条件对其进行分区,然后将多个文件写入 S3 存储桶中的不同文件夹。 在我们来到上传到 S3 部分之前,一切都很好。我已经在 S
我想在 foreachPartition 中使用 SparkContext 和 SQLContext ,但由于序列化错误而无法执行。我知道这两个对象都不可序列化,但我认为 foreachPartiti
我有一个简单的 Spark 作业,用于将结果映射、计算并将结果写入 Oracle DB。我在将结果写入数据库时遇到问题。 按键减少结果后,我调用 foreachPartition 操作来建立连接并
我想知道 foreachPartition 与 foreach 方法相比是否会由于更高级别的并行性而产生更好的性能,考虑到我的情况'm 流经一个 RDD 以便对累加器变量执行一些求和。 最佳答案 fo
我正在尝试为我的数据集的每个分区拟合一个 ML 模型,但我不知道如何在 Spark 中执行此操作。 我的数据集基本上看起来像这样并且按公司划分: Company | Features | Target
我有以下使用结构化流 (Spark 2.2) 的工作代码,以便从 Kafka (0.10) 读取数据。我无法解决的唯一问题是在 ForeachWriter 中使用 kafkaProducer 时与 T
我想将每个分区的数据保存到MySQL数据库。为此,我创建了实现 VoidFunction<> 的类: public class DatabaseSaveFunction implements Void
我有一个 DataFrame,其中一列有逗号分隔的数据。 例如:数据如下所示:[{value:1}, {value:2, value:3}, {some value}, {somevalue, oth
我正在使用 Spark 读取一堆文件,对它们进行详细说明,然后将它们全部保存为序列文件。我想要的是每个分区有 1 个序列文件,所以我这样做了: SparkConf sparkConf = new Sp
我是一名优秀的程序员,十分优秀!