apache-spark - 高效地将 Spark 中的数据帧发送到其他应用程序

Question

我想将 Spark 上下文中的数据帧发送到我的客户端应用程序。目前，我只是将数据帧转换为内存中的列表，然后通过 ZMQ 将列表发送到客户端。但是调用 Dataframe.collectAsList() 需要很多时间。有什么办法可以提高这个过程的速度吗？或者我应该尝试其他方式将数据从 Spark 传递到其他应用程序？提前致谢。

Answer 1

您可以尝试使用foreachPartition方法。就像即:

df.foreachPartition(iterator => {
  val connection = createConnection(...)
  iterator.foreach(row => connection.send(row))
  connection.close()
}

在这种情况下，Spark 将创建 N 个并行连接，其中 N - 是分配的执行程序的数量。数据将直接从执行器发送，无需将整个数据集收集到驱动器。但要小心，您必须确保您的应用程序可以处理可能的负载。