强制缓存/持久化的方法之一是在缓存/持久化之后调用一个操作，例如:
df.cache().count()
问题:
如果调用 take(1) 而不是 count() 有什么区别吗？使用 take(1) 时，整个数据帧是否会缓存到内存和/或磁盘中？
我注意到 df.cache().take(1) 更快，但我的目的只是实现急切的缓存。
最佳答案
如果您使用 take(1)，那么它将仅评估数据帧的一部分，而不是整个数据帧 - 这就是为什么 count 更常用，尽管任何可以使用评估整个数据帧的其他操作。
Learning Spark第二版书中特别提到了这个案例，即freely available from Databrick's site .
关于apache-spark - PySpark DataFrame - 强制急切的数据帧缓存 - take(1) 与 count()，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/63404399/