blocks|key|3913050|text|Dataset+APIs构建在SparkSQL引擎之上，它使用Catalyst来生成优化的逻辑和物理查询计划。在R,+Java,+Scala,或Python+DataFrame/Dataset+APIs中，所有关系类型查询都经过相同的代码优化器，从而提供空间和速度效率。Dataset[T]类型的应用程序接口针对数据工程任务进行了优化，而untyped+Dataset[Row](DataFrame的别名)速度更快，适合交互式分析。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|3913051|有关更多详细信息，请访问Spark+RDD+vs+Dataset+performance|3913052|​|3913053|📷|atomic|3913054|3913055|entityMap|0|LINK|mutability|MUTABLE|url|https://databricks.com/blog/2016/07/14/a-tale-of-three-apache-spark-apis-rdds-dataframes-and-datasets.html|1|IMAGE|IMMUTABLE|imageUrl|https://ask.qcloudimg.com/http-save/yehe-900000/ad3d5707bf9e3b257edba2fbe7fcbefa.png|imageAlt^0|0|C|F|8|V|8|1K|F|20|T|3R|A|4P|K|5A|9|0|C|W|0|0|0|0|1|1|0|0^^$0|@$1|2|3|4|5|6|7|11|8|@$9|12|A|13|B|C]|$9|14|A|15|B|C]|$9|16|A|17|B|C]|$9|18|A|19|B|C]|$9|1A|A|1B|B|C]|$9|1C|A|1D|B|C]|$9|1E|A|1F|B|C]|$9|1G|A|1H|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|1I|8|@]|D|@$9|1J|A|1K|1|1L]]|E|$]]|$1|H|3|I|5|6|7|1M|8|@]|D|@]|E|$]]|$1|J|3|K|5|L|7|1N|8|@]|D|@$9|1O|A|1P|1|1Q]]|E|$]]|$1|M|3|I|5|6|7|1R|8|@]|D|@]|E|$]]|$1|N|3|-4|5|6|7|1S|8|@]|D|@]|E|$]]]|O|$P|$5|Q|R|S|E|$T|U]]|V|$5|W|R|X|E|$Y|Z|10|-4]]]]

<code>Dataset APIs</code> are built on top of the <code>SparkSQL</code> engine, it uses <code>Catalyst</code>to generate an optimized logical and physical query plan. Across <code>R, Java, Scala,</code> or <code>Python DataFrame/Dataset APIs</code>, all relation type queries undergo the same code optimizer, providing the space and speed efficiency. Whereas the <code>Dataset[T]</code> typed API is optimized for data engineering tasks, the <code>untyped Dataset[Row]</code>(an alias of <code>DataFrame</code>) is even faster and suitable for interactive analysis.

For more details <a href="https://databricks.com/blog/2016/07/14/a-tale-of-three-apache-spark-apis-rdds-dataframes-and-datasets.html" rel="nofollow noreferrer">Spark RDD vs Dataset performance</a>

<a href="https://i.stack.imgur.com/ZZklq.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/ZZklq.png" alt="enter image description here"></a>

blocks|key|507367|text|弹性分布式数据集是Spark框架的主要抽象，而Spark+SQL+(一个用于结构化数据处理的Spark模块)为Spark提供了更多关于数据结构和正在执行的计算的信息，因此使用这些额外的信息来执行额外的优化。|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|507368|在Spark1.6之前，RDDs的性能通常比其对应的Spark+SQL+DataFrame+(https://community.hortonworks.com/articles/42027/rdd-vs-dataframe-vs-sparksql.html)更好，然而，Spark2.1的升级使Spark+SQL变得更加高效|507369|https://i.stack.imgur.com/TmhXf.png|507370|entityMap|0|LINK|mutability|MUTABLE|url|https://community.hortonworks.com/articles/42027/rdd-vs-dataframe-vs-sparksql.html|1^0|0|8|0|1B|2A|0|0|0|Z|1|0^^$0|@$1|2|3|4|5|6|7|S|8|@$9|T|A|U|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|V|8|@]|D|@$9|W|A|X|1|Y]]|E|$]]|$1|H|3|I|5|6|7|Z|8|@]|D|@$9|10|A|11|1|12]]|E|$]]|$1|J|3|-4|5|6|7|13|8|@]|D|@]|E|$]]]|K|$L|$5|M|N|O|E|$P|Q]]|R|$5|M|N|O|E|$P|I]]]]

Resilient Distributed Dataset (RDD) is the main abstraction of Spark framework while Spark SQL (a Spark module for structured data processing) provides Spark more information about the structure of both the data and the computation being performed, and therefore uses this extra information to perform extra optimizations.

Up until Spark 1.6, RDDs used to perform better than its Spark SQL counterpart DataFrame (<a href="https://community.hortonworks.com/articles/42027/rdd-vs-dataframe-vs-sparksql.html" rel="nofollow noreferrer">https://community.hortonworks.com/articles/42027/rdd-vs-dataframe-vs-sparksql.html</a>), however, Spark 2.1 upgrades have made Spark SQL quite more efficient 

<a href="https://i.stack.imgur.com/TmhXf.png" rel="nofollow noreferrer">https://i.stack.imgur.com/TmhXf.png</a>

I'm getting retrieving data from <code>Cassandra</code>in a <code>Spark</code>Application using <code>Spark SQL</code>. Data is retrieved as <code>DataSet</code>. However, I need to convert this <code>dataset</code>to <code>JavaRDD</code> using <code>javaRDD()</code> function. It works, however it takes about 2 hours. Is there some parameters to adjust to enhance this time?

DataSet javaRDD() performance

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在使用Spark SQL从Spark应用程序的Cassandra中检索数据。数据以DataSet的形式检索。但是，我需要使用javaRDD()函数将此dataset转换为JavaRDD。它可以工作，但是需要大约2个小时。是否有一些参数需要调整以增强这次的性能？

问DataSet javaRDD()性能
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问DataSet javaRDD()性能EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问DataSet javaRDD()性能
EN