我有一个有400万行和10列的数据帧。我正试图使用pyspark从clouderadatascience工作台将这段代码写到hdfs中的一个表中。尝试执行此操作时遇到错误:
[Stage 0:> (0 + 1) /
2]19/02/20 12:31:04 ERROR datasources.FileFormatWriter: Aborting job null.
org.apache.spark.SparkException: Job aborted due to stage failure: Serialized task 0:0 was 318690577 bytes, which exceeds max allowed: spark.rpc.message.maxSize (134217728 bytes). Consider increasing spark.rpc.message.maxSize or using broadcast variables for large values.
我可以将数据帧分成3个数据帧,并执行spark write 3次,但是如果可能的话,我只想做一次,可能的话,可以在spark代码中添加一些东西,比如coalesce
。在
用户10465355提到我应该直接使用Spark。这样做更简单,也是正确的方法。在
相关问题 更多 >
编程相关推荐