apache-spark - Spark 2.x - 如何生成简单的解释/执行计划

Question

我希望在 Spark 2.2 中生成一个解释/执行计划，并在数据帧上执行一些操作。这里的目标是确保在我开始工作和消耗集群资源之前按预期进行分区修剪。我在这里尝试了 Spark 文档搜索和 SO 搜索，但找不到适合我的情况的语法。

这是一个按预期工作的简单示例:

scala> List(1, 2, 3, 4).toDF.explain
== Physical Plan ==
LocalTableScan [value#42]

这是一个未按预期工作但希望开始工作的示例:

scala> List(1, 2, 3, 4).toDF.count.explain
<console>:24: error: value explain is not a member of Long
List(1, 2, 3, 4).toDF.count.explain
                               ^

这里有一个更详细的例子来进一步展示我希望通过解释计划确认的分区修剪的最终目标。

val newDf = spark.read.parquet(df).filter(s"start >= ${startDt}").filter(s"start <= ${endDt}")

提前感谢您的任何想法/反馈。

Answer 1

count 方法被急切求值，如您所见返回 Long，因此没有可用的执行计划。

您必须使用惰性转换，或者:

import org.apache.spark.sql.functions.count

df.select(count($"*"))

或

df.groupBy().agg(count($"*"))