如何解决为什么在读取文件时增加 NumPartitions 会比 spark RDD 中的原始文件增加输入大小？
我正在使用带有一个分区的 sc.textFile(<fileName>,1) 读取一个小文本文件，我可以看到输入大小与原始文件大小相同。
但是，当将分区增加到 5. sc.textFile(<fileName>,5) 时，输入大小几乎增加了原始文件大小的 3 倍。
我正在调用计数操作来启动作业，并且代码正在我的本地机器上运行。
解决方法
正如您所提到的，您的文件很小，当您使用更大的份数时，元数据会显得很重要。如果您尝试使用更大的文件，例如 1G 或更大的文件，您会发现元数据的开销不算什么。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
