Spark Job 只处理单个 Spark 容器中的文件

问题描述

我正在从 gcs 读取 csv 文件，我需要遍历每一行并调用 api 以获取一些数据并将其附加到新的数据帧中。

代码如下：

DataFrame<Row> df = sparkSession.read().option("header",true).csv("gs://bucketPath");
df = df.map(MapFunction<Row,Row> row -> callApi(row),RowEncoder.apply(schema)).cache();
df.write().format("bigquery").save()

我看到的主要问题是 callApi 的所有日志都来自一个容器。我尝试使用 openCostInBytes 并尝试编写自定义 UDF，但它仍然在一个容器中处理。

理想情况下，我希望看到给定的 10 行和 2 个执行器，每个执行器具有 5 个内核。每个执行程序应处理 5 行，其中每个核心获得 1 行。我对火花的理解不正确吗？

附注。我知道我不应该从 spark 调用 api，而且我知道 scala 比 java 更适合 spark。请逗我开心。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）