我正在尝试使用 Sparklyr 的函数 copy_to
将大型 dataframe
(大约 580 万条记录)复制到 Spark 中。
首先,当使用 fread
(data.table
) 加载数据并应用 copy_to
函数时,出现以下输出错误:
Error in as.data.frame.default(x[[i]], optional = TRUE) : cannot coerce class ""integer64"" to a data.frame
然后,我将仅有的两列 integer64
类型更改为 character
,然后应用 as.data.frame
(它是一个 data.table
,因为我对所有数据使用了 fread
)。
再次使用copy_to
,进度条出现前后花了很长时间,但返回结果如下:
Error in invoke_method.spark_shell_connection(sc, TRUE, class, method, : No status is returned. Spark R backend might have failed.
没有数据复制到 Spark。
有什么想法吗?
最佳答案
我遇到过这个。不幸的是,将数据帧从内存复制到 Sparklyr 并不是导入更大数据的最佳方法。当我将数据帧以 .csv
格式保存到磁盘,然后直接将其读入 Spark 时,它的工作效果会更好。
为了获得最佳性能,最好的办法是将其保存为磁盘上的 parquet 格式并进行读取。由于 Spark 使用 DAG 工作,因此如果您有更高效的磁盘数据格式供 Spark 执行操作,那么当您点击收集、插入或其他操作时,整个 Spark 操作将会更快。
关于r - Sparklyr - 无法使用 copy_to 将 data.frames 复制到 Spark 中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44929151/