根据您提供的参数，转换（尤其是读操作）可以有两种行为方式

1. Lazily evaluated -->只有当一个动作被调用时才会执行
   1.自动评估-->将触发一个作业进行一些初始评估
   如果是read.csv（）

• 如果在没有定义模式的情况下调用它，并且inferSchema被禁用，则它将列确定为字符串类型，并且它只读取第一行以确定名称（如果heade=True，则它给出默认列名）和字段的数量。

你可以在Spark UI中看到下面的WholeStageCodeGen：
x1c 0d1x的数据
你也可以看到物理平面图如下：

的

• 现在，如果您指定inferSchema=True，则会首先触发上面的作业，然后再触发一个作业，该作业将扫描整个记录以确定模式-->这就是为什么您能够在spark UI中看到两个作业

对于第二个作业，Spark UI中执行器的聚合指标将如下所示（突出显示读取的记录数）：

• 现在，如果您通过为read.csv（）的“schema”参数提供StructType（）schema对象来显式地指定schema，那么您可以看到这里不会触发任何作业。这是因为，我们已经显式地提供了列数和类型，并且spark的catalogue将存储该信息，现在它不需要扫描文件来获取该信息。并且这将在调用action时进行延迟验证。

与RDD相比，通过Catalyst的Spark Dataframes内置了一些智能。
其中之一是当你声明infer schema时，由于这可能需要很长时间，水下Spark已经启动了一个Job来进行模式推断。就这么简单。这是优化和性能方面的事情，不能被视为Action或Transformation。另一个例子是一个框架的旋转。