PySpark - 存储级别

简述

StorageLevel 决定如何存储 RDD。在 Apache Spark 中，StorageLevel 决定 RDD 是应该存储在内存中还是应该存储在磁盘上，或者两者兼而有之。它还决定是否序列化 RDD 以及是否复制 RDD 分区。

以下代码块具有 StorageLevel 的类定义 -
```
class pyspark.StorageLevel(useDisk, useMemory, useOffHeap, deserialized, replication = 1)
```
现在，为了决定 RDD 的存储，有不同的存储级别，如下所示 -
- DISK_ONLY = StorageLevel(True, False, False, False, 1)
- DISK_ONLY_2 = StorageLevel(True, False, False, False, 2)
- MEMORY_AND_DISK = StorageLevel(True, True, False, False, 1)
- MEMORY_AND_DISK_2 = StorageLevel(True, True, False, False, 2)
- MEMORY_AND_DISK_SER = StorageLevel(True, True, False, False, 1)
- MEMORY_AND_DISK_SER_2 = StorageLevel(True, True, False, False, 2)
- MEMORY_ONLY = StorageLevel(False, True, False, False, 1)
- MEMORY_ONLY_2 = StorageLevel(False, True, False, False, 2)
- MEMORY_ONLY_SER = StorageLevel(False, True, False, False, 1)
- MEMORY_ONLY_SER_2 = StorageLevel(False, True, False, False, 2)
- OFF_HEAP = StorageLevel(True, True, True, False, 1)
让我们考虑下面的 StorageLevel 示例，其中我们使用存储级别MEMORY_AND_DISK_2,这意味着 RDD 分区将复制 2。
```
------------------------------------storagelevel.py-------------------------------------
from pyspark import SparkContext
import pyspark
sc = SparkContext (
   "local", 
   "storagelevel app"
)
rdd1 = sc.parallelize([1,2])
rdd1.persist( pyspark.StorageLevel.MEMORY_AND_DISK_2 )
rdd1.getStorageLevel()
print(rdd1.getStorageLevel())
------------------------------------storagelevel.py-------------------------------------
```
命令- 命令如下 -
```
$SPARK_HOME/bin/spark-submit storagelevel.py
```
输出- 上述命令的输出如下 -
```
Disk Memory Serialized 2x Replicated
```

PySpark - 存储级别

简述