如何解决PySpark性能DataFrame / Vector与Numpy Array
我的项目包括当前在UDF中执行的numpy数组和numpy矩阵之间的许多操作,您认为如果使用PySpark中的内部结构,性能会有所提高吗? (矩阵->数据帧,numpy数组->密集向量) 谢谢!
解决方法
UDF通常比在DataFrame API上运行pyspark.sql.functions
的速度慢,由于序列化反序列化的开销,通常应尽可能避免使用它们。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。