是的，您可以在本地安装spark并使用jdbc连接到您的数据库。下面是一个帮助您连接到my sql的函数，您可以通过更改jdbc连接字符串将其推广到任何jdbc源代码：

def connect_to_sql(
        spark, jdbc_hostname, jdbc_port, database, data_table, username, password
):
    jdbc_url = "jdbc:mysql://{0}:{1}/{2}".format(jdbc_hostname, jdbc_port, database)

    connection_details = {
        "user": username,
        "password": password,
        "driver": "com.mysql.cj.jdbc.Driver",
    }

    df = spark.read.jdbc(url=jdbc_url, table=data_table, properties=connection_details)
    return df

spark比pandas更擅长处理大数据，即使在本地机器上也是如此，但由于并行性和分布式计算，spark会带来性能开销。在集群上，它肯定能满足您的需求，但是本地模式只能用于开发。
请放心，spark（本地安装）将推送查询、限制和转换限制，如果操作正确，甚至可以更好地处理它。由于df是一种无索引的分布式数据结构，搜索、排序和过滤操作的开销将非常大。
不知道普雷斯托和斯帕克之间的速度差异，也没有尝试过比较。
希望这有帮助。
注意：即使有最佳的并行工作负载，在本地机器上也不能保证性能的提高。它不提供分销机会。