我有一个List[DataFrame]，其中包含从Snowflake表的一些连接中获得的小型 Dataframe 。
目的是缓存列表中的每个DF，以便以后留在内存中。
为了简化这种情况，到目前为止我所尝试的是缓存它们并强制执行一个操作：

val listDfs = [dfA, dfB, dfC]

val dfACached = listDfs.head.cache
// Force an action to enable fully cache on dfA
dfACached.count

val dfBCached = listDfs(2).cache
// Force an action to enable fully cache on dfB
dfBCached.count

val dfCCached = listDfs.last.cache
// Force an action to enable fully cache on dfC
dfCCached.count

然后我需要在foreach循环中使用这些变量来过滤它们，所以我将它们包含在另一个列表中以便能够引用它们：

val listDfsCached: List[DataFrame] = List(dfACached,dfBCached,dfCCached)

到目前为止，这三个 Dataframe 应该缓存在内存中并可以快速访问。
然后，我得到了一个字符串数组，用于过滤DF：

val arrayFilters = ["a", "b", "c"]

listDfsCached.foreach(df => {
    val dfFiltered = df.filter(col("test") === str)
    // Finally I'll perform some other transformations and write a json file per string in the array
  }
}

我可以观察到的是DF没有被正确缓存，因为在执行期间，程序每次都会返回Snowflake重新计算dfA、dfB、dfC以获得dfFiltered。
你知道我做错了什么吗？
我在本地调试中使用Spark版本3.2.1（1个节点- 4个内核）
先谢了。