scala DataFrame.count()== 0 VS DataFrame.rdd.isEmpty()：请比较执行速度[关闭]

kulphzqa 于 2023-06-23 发布在 Scala

关注(0)|答案(2)|浏览(134)

已关闭，此问题为opinion-based。目前不接受答复。
**想改善这个问题吗？**更新问题，以便editing this post可以用事实和引用来回答。

6年前关闭。
这篇文章是编辑并提交审查3天前.
Improve this question
DataFrame.count()需要具体化查询，这是昂贵的。DataFrame.rdd是否存在不可忽略的[物化]成本？与前者相比如何？
后者是否执行得更快？

2条答案

.isEmpty()最好它更短，更不容易出错。

Spark代码解释得更好！！在RDD类isEmpty()中为

def isEmpty(): Boolean = withScope {
  partitions.length == 0 || take(1).length == 0
}

最快的方法应该是：

datset.limit(1).take(1).length > 0

这与RDD的isEmpty类似，但不需要像调用.rdd那样进行反序列化。
但是，很难说您的情况是否更好-我们不知道要求