- 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?
我对 databricks 环境比较陌生。我的公司为我设置了一个 databricks 帐户,我在其中从 s3 存储桶中提取数据。我有传统关系数据库的背景,所以理解数据块对我来说有点困难。
我有以下问题:
- mount 只是一个连接(链接到 s3/外部存储),没有在 DBFS 上存储任何东西,还是它实际上将数据存储在 DBFS 上?
-我在某处读到 DBFS 也已挂载?我的理解是 DBFS 是 databricks 存储,我如何才能看到 DBFS 可用的总存储量是多少?
-我们为公司中的不同团队提供不同的集群,我无法访问所有集群,从 s3 导出数据时,我是否必须在我的代码中设置一些东西,以确保我的数据框和表不属于我正在使用的集群的其他用户无法访问我在 databricks 中创建的内容。
- 数据库表存储在哪里?是在 DBFS 上吗?在存储选项方面,除了数据库、DBFS、外部(s3、azure、jdbc/odbc 等)之外,还有其他存储吗?
- 当我们加载表/数据框时,它们是否总是存储在内存中?有没有办法查看内存中文件大小的限制?
谢谢!
最佳答案
好问题!我会尽力为您解答这些问题。
mount 只是一个连接(链接到 s3/外部存储),在 DBFS 上没有存储任何东西,还是它实际上将数据存储在 DBFS 上?我在某处读到 DBFS 也已挂载?我的理解是 DBFS 是 databricks 存储,我怎样才能看到 DBFS 可用的总存储量是多少?
DBFS 是 S3 之上的一个抽象层,让您可以像访问本地文件系统一样访问数据。默认情况下,当您部署 Databricks 时,您会创建一个用于存储并可通过 DBFS 访问的存储桶。挂载到 DBFS 时,实际上是将 S3 存储桶挂载到 DBFS 上的路径。更多详情here .
我们为公司中的不同团队提供不同的集群,我无法访问所有集群,从 s3 导出数据时,我是否必须在我的代码中设置一些内容,以确保我所使用的数据框和表不属于我正在使用的集群的其他用户无法访问在 databricks 中创建。
将 S3 存储桶挂载到 DBFS 上的路径将使您的 Databricks 工作区中的其他人可以使用该数据。如果您想确保没有其他人可以访问数据,则必须采取两个步骤。首先,使用 IAM 角色而不是挂载,并将授予 S3 存储桶访问权限的 IAM 角色附加到您计划使用的集群。其次,限制对集群的访问仅限于可以访问数据的人。通过这种方式,您可以锁定哪些集群可以访问数据,哪些用户可以访问这些集群。
数据库表存储在哪里?是在 DBFS 上吗?在存储选项方面,除了数据库、DBFS、外部(s3、azure、jdbc/odbc 等)之外,还有其他存储吗?
数据库表存储在 DBFS 上,通常在 /FileStore/tables
下小路。阅读更多 here .
当我们加载表/数据帧时,它们是否总是存储在内存中?有没有办法查看内存中文件大小的限制?
这取决于您的查询。如果您的查询是 SELECT count(*) FROM table
那么是的,整个表都被加载到内存中。如果您正在过滤,那么 Spark 将尝试提高效率,只读取执行查询所需的表部分。文件大小的限制与集群的大小成正比。 Spark 将在整个集群的内存中对数据进行分区。如果您的内存仍然不足,那么通常是时候增加集群的大小或优化您的查询了。 Databricks 上的自动缩放有助于前者。
谢谢!
别客气!
编辑:
in memory是指RAM,DBFS不做任何处理。要查看可用空间,您必须登录 AWS/Azure 帐户并检查与 Databricks 关联的 S3/ADLS 存储。
如果您通过 Spark API 保存表,它们将位于 FileStore/tables
路径也是如此。 UI 利用相同的路径。
集群由驱动节点和工作节点组成。如果需要,您可以为驱动程序使用不同的 EC2 实例。这都是一个系统,该系统就是集群。
Spark 支持对与表关联的 Parquet 文件进行分区。事实上,这是提高查询性能的关键策略。按您通常在查询中使用的谓词进行分区。这与内存中的分区是分开的。
关于apache-spark - 数据 block 中的存储选项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57585671/
我想做的是让 JTextPane 在 JPanel 中占用尽可能多的空间。对于我使用的 UpdateInfoPanel: public class UpdateInfoPanel extends JP
我在 JPanel 中有一个 JTextArea,我想将其与 JScrollPane 一起使用。我正在使用 GridBagLayout。当我运行它时,框架似乎为 JScrollPane 腾出了空间,但
我想在 xcode 中实现以下功能。 我有一个 View Controller 。在这个 UIViewController 中,我有一个 UITabBar。它们下面是一个 UIView。将 UITab
有谁知道Firebird 2.5有没有类似于SQL中“STUFF”函数的功能? 我有一个包含父用户记录的表,另一个表包含与父相关的子用户记录。我希望能够提取用户拥有的“ROLES”的逗号分隔字符串,而
我想使用 JSON 作为 mirth channel 的输入和输出,例如详细信息保存在数据库中或创建 HL7 消息。 简而言之,输入为 JSON 解析它并输出为任何格式。 最佳答案 var objec
通常我会使用 R 并执行 merge.by,但这个文件似乎太大了,部门中的任何一台计算机都无法处理它! (任何从事遗传学工作的人的附加信息)本质上,插补似乎删除了 snp ID 的 rs 数字,我只剩
我有一个以前可能被问过的问题,但我很难找到正确的描述。我希望有人能帮助我。 在下面的代码中,我设置了varprice,我想添加javascript变量accu_id以通过rails在我的数据库中查找记
我有一个简单的 SVG 文件,在 Firefox 中可以正常查看 - 它的一些包装文本使用 foreignObject 包含一些 HTML - 文本包装在 div 中:
所以我正在为学校编写一个 Ruby 程序,如果某个值是 1 或 3,则将 bool 值更改为 true,如果是 0 或 2,则更改为 false。由于我有 Java 背景,所以我认为这段代码应该有效:
我做了什么: 我在这些账户之间创建了 VPC 对等连接 互联网网关也连接到每个 VPC 还配置了路由表(以允许来自双方的流量) 情况1: 当这两个 VPC 在同一个账户中时,我成功测试了从另一个 La
我有一个名为 contacts 的表: user_id contact_id 10294 10295 10294 10293 10293 10294 102
我正在使用 Magento 中的新模板。为避免重复代码,我想为每个产品预览使用相同的子模板。 特别是我做了这样一个展示: $products = Mage::getModel('catalog/pro
“for”是否总是检查协议(protocol)中定义的每个函数中第一个参数的类型? 编辑(改写): 当协议(protocol)方法只有一个参数时,根据该单个参数的类型(直接或任意)找到实现。当协议(p
我想从我的 PHP 代码中调用 JavaScript 函数。我通过使用以下方法实现了这一点: echo ' drawChart($id); '; 这工作正常,但我想从我的 PHP 代码中获取数据,我使
这个问题已经有答案了: Event binding on dynamically created elements? (23 个回答) 已关闭 5 年前。 我有一个动态表单,我想在其中附加一些其他 h
我正在尝试找到一种解决方案,以在 componentDidMount 中的映射项上使用 setState。 我正在使用 GraphQL连同 Gatsby返回许多 data 项目,但要求在特定的 pat
我在 ScrollView 中有一个 View 。只要用户按住该 View ,我想每 80 毫秒调用一次方法。这是我已经实现的: final Runnable vibrate = new Runnab
我用 jni 开发了一个 android 应用程序。我在 GetStringUTFChars 的 dvmDecodeIndirectRef 中得到了一个 dvmabort。我只中止了一次。 为什么会这
当我到达我的 Activity 时,我调用 FragmentPagerAdapter 来处理我的不同选项卡。在我的一个选项卡中,我想显示一个 RecyclerView,但他从未出现过,有了断点,我看到
当我按下 Activity 中的按钮时,会弹出一个 DialogFragment。在对话框 fragment 中,有一个看起来像普通 ListView 的 RecyclerView。 我想要的行为是当
我是一名优秀的程序员,十分优秀!