創建一個火花DataFrame從一個非常大的數據集

[炭的]

我想創建一個DataFrame使用火花但我有一些問題我使用的數據量。我做了一個通過多個API調用與超過100萬個條目列表。高於閾值的列表spark.rpc.message。最大容量和使用廣播也太大。我一直在讓伯父等使用大量內存錯誤。所以,我創建了兩個列表從原始列表中的數據。當我試圖創建DataFrame再次spark.rpc.message規模還是太大。最大容量,使用32重新分區。我endgoal加入兩個表在一個臨時視圖,然後寫信給鋪PowerBI所以我能得到所有的數據報告。

[saipujari_spark]

嘿@charry

看看這個KB文章,這將有助於解決這個問題。

https://kb.www.eheci.com/execution/spark-serialized-task-is-too-large