问题描述
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。