- 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?
当我使用 python3 t1.py 运行以下名为 t1.py 的脚本时,我想了解幕后发生了什么。具体来说,我有以下问题:
#!/home/python3/venv/bin/python3
#this file is named t1.py
import pyspark
from pyspark.sql import SparkSession
from pyspark.sql.types import DecimalType, IntegerType
import pyspark.sql.functions as F
from operator import add
import pandas as pd
from datetime import datetime
len = int(100000000/1)
print("len=", len)
spark = SparkSession.builder.appName('ai_project').getOrCreate()
start = datetime.now()
t=spark.sparkContext.parallelize(range(len))
a = t.reduce(add)
print(a)
end= datetime.now()
print("end for spark rdd sum:", end, end-start)
最佳答案
在 PySpark 中,Python 和 JVM 代码位于不同的操作系统进程中。 PySpark 使用 Py4J,这是一个促进两种语言之间互操作的框架,在 Python 和 JVM 进程之间交换数据。
当您启动 PySpark 作业时,它作为一个 Python 进程启动,然后生成一个 JVM 实例并在其中运行一些 PySpark 特定代码。然后它在那个 JVM 中实例化一个 Spark session ,它成为 Spark 看到的驱动程序。该驱动程序连接到 Spark master 或产生一个 in-proc ,具体取决于 session 的配置方式。
当您创建 RDD 或数据帧时,它们就像由 Scala 或 Java 应用程序创建的 RDD 和数据帧一样存储在 Spark 集群的内存中。对它们的转换和操作就像它们在 JVM 中一样工作,但有一个显着区别:任何涉及通过 Python 代码传递数据的东西,都在 JVM 之外运行。因此,如果您创建一个 Dataframe,并执行以下操作:
df.select("foo", "bar").where(df["foo"] > 100).count()
a = t.reduce(add)
add
operator 是 Python 的操作符,RDD 被序列化,然后发送到一个或多个 Python 进程执行归约,然后结果再次序列化并返回到 JVM,最后转移到 Python 驱动进程进行最终归约.
add
运算符)并将其与一些附加数据一起腌制 python/pyspark/rdd.py
的源代码开始并查看
RDD
类(class)。
关于python - PySpark 代码是在 JVM 还是 Python 子进程中运行?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61816236/
好的,所以我想从批处理文件运行我的整个工作环境... 我想要实现什么...... 打开新的 powershell,打开我的 API 文件夹并从该文件夹运行 VS Code 编辑器(cd c:\xy;
我正在查看 Cocoa Controls 上的示例并下载了一些演示。我遇到的问题是一些例子,比如 BCTabBarController ,不会在我的设备上构建或启动。当我打开项目时,它看起来很正常,没
我刚刚开始学习 C 语言(擅长 Java 和 Python)。 当编写 C 程序(例如 hello world)时,我在 ubuntu cmd 行上使用 gcc hello.c -o hello 编译
我在 php 脚本从 cron 开始运行到超时后注意到了这个问题,但是当它从命令行手动运行时这不是问题。 (对于 CLI,PHP 默认的 max_execution_time 是 0) 所以我尝试运行
我可以使用命令行运行测试 > ./node_modules/.bin/wdio wdio.conf.js 但是如果我尝试从 IntelliJ 的运行/调试配置运行它,我会遇到各种不同的错误。 Fea
Error occurred during initialization of VM. Could not reserve enough space for object heap. Error: C
将 Anaconda 安装到 C:\ 后,我无法打开 jupyter 笔记本。无论是在带有 jupyter notebook 的 Anaconda Prompt 中还是在导航器中。我就是无法让它工作。
我遇到一个问题,如果我双击我的脚本 (.py),或者使用 IDLE 打开它,它将正确编译并运行。但是,如果我尝试在 Windows 命令行中运行脚本,请使用 C:\> "C:\Software_Dev
情况 我正在使用 mysql 数据库。查询从 phpmyadmin 和 postman 运行 但是当我从 android 发送请求时(它返回零行) 我已经记录了从 android 发送的电子邮件是正确
所以这个有点奇怪 - 为什么从 Java 运行 .exe 文件会给出不同的输出而不是直接运行 .exe。 当 java 在下面的行执行时,它会调用我构建的可与 3CX 电话系统配合使用的 .exe 文
这行代码 Environment.Is64BitProcess 当我的应用单独运行时评估为真。 但是当它在我的 Visual Studio 单元测试中运行时,相同的表达式的计算结果为 false。 我
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我写了一个使用 libpq 连接到 PostgreSQL 数据库的演示。 我尝试通过包含将 C 文件连接到 PostgreSQL #include 在我将路径添加到系统变量 I:\Program F
如何从 Jenkins 运行 Android 模拟器来运行我的测试?当我在 Execiute Windows bath 命令中写入时,运行模拟器的命令: emulator -avd Tester 然后
我已经配置好东西,这样我就可以使用 ssl 登录和访问在 nginx 上运行的 errbit 我的问题是我不知道如何设置我的 Rails 应用程序的 errbit.rb 以便我可以运行测试 nginx
我编写了 flutter 应用程序,我通过 xcode 打开了 ios 部分并且应用程序正在运行,但是当我通过 flutter build ios 通过 vscode 运行应用程序时,我得到了这个错误
我有一个简短的 python 脚本,它使用日志记录模块和 configparser 模块。我在Win7下使用PyCharm 2.7.1和Python 3.3。 当我使用 PyCharm 运行我的脚本时
我在这里遇到了一些难题。 我的开发箱是 64 位的,windows 7。我所有的项目都编译为“任何 CPU”。该项目引用了 64 位版本的第 3 方软件 当我运行不使用任何 Web 引用的单元测试时,
当我注意到以下问题时,我正在做一些 C++ 练习。给定的代码将不会在 Visual Studio 2013 或 Qt Creator 5.4.1 中运行/编译 报错: invalid types 'd
假设我有一个 easteregg.py 文件: from airflow import DAG from dateutil import parser from datetime import tim
我是一名优秀的程序员,十分优秀!