Spark临时表tempView

时间:2022-10-20 南风知我意丿人气:0

createTempView运作原理

先说一个众人皆知的知识：
Spark中的算子包含transformation算子和action算子，transformation是根据原有RDD创建一个新的RDD，而action则把RDD操作后的结果返回给driver。Spark对transformation的抽象可以大大提高性能，这是因为在Spark中，所有transformation操作都是lazy模式，即Spark不会立即计算结果，而只是简单地记住所有对数据集的转换操作逻辑。这些转换只有遇到action操作的时候才会开始计算。这样的设计使得Spark更加高效。

低效做法

sql("select a,b from table where xxx").createTempView("view1")
sql("select a from view1 where xxx").show()
sql("select b from view1 where xxx").show()

使用createTempView后，查询这个视图每次都很耗时了，正是因为createTempView操作是lazy模式，在没有action算子触发之前，它并没有什么实质性的运作，仅仅记录了一个创建视图的逻辑。
Spark每次遇到action算子show()方法的时候，才开始真正计算，上面代码中两次用到视图view1，那么意味着创建视图的方法会执行两次，因此非常的耗时，所以需要对view1进行缓存处理。

缓存临时表方式：

方式1 创建

// 创建它的SparkSession对象终止前有效
df.createOrReplaceTempView("tempViewName")  
// spark应用程序终止前有效
df.createOrReplaceGlobalTempView("tempViewName")

注销

spark.catalog.dropTempView("tempViewName")
spark.catalog.dropGlobalTempView("tempViewName")

方式2

创建

session.table("tempViewName").cache()

注销

session.table("tempViewName").unpersist()

方式3

创建

commonDF.cahe() 或 commonDF.persist(StorageLevel.MEMORY_AND_DISK)
commonDF.createOrReplaceTempView("tempViewName")

注销

commonDF.unpersist()

临时表生命周期

源码

createOrReplaceTempView

  /**
   * 使用给定名称创建本地临时视图。此临时视图的生命周期与用于创建此数据集的 SparkSession 相关联。
   *
   * @group basic
   * @since 2.0.0
   */
  def createOrReplaceTempView(viewName: String): Unit = withPlan {
    createTempViewCommand(viewName, replace = true, global = false)
  }

也就是说,当一下代码中spark stop(),之后创建的临时视图表才失效

createGlobalTempView

/**
   * 使用给定名称创建一个全局临时视图。此临时视图的生命周期与此 Spark 应用程序相关联。全局临时视图是跨会话的。它的生命周期是 Spark 应用程序的生命周期，即当应用程序终止时它会被自动删除。它与系统保留的数据库 global_temp 相关联，我们必须使用限定名称来引用全局临时视图，例如从 global_temp.view1 中选择。
   *
   * @throws AnalysisException if the view name is invalid or already exists
   *
   * @group basic
   * @since 2.1.0
   */
  @throws[AnalysisException]
  def createGlobalTempView(viewName: String): Unit = withPlan {
    createTempViewCommand(viewName, replace = false, global = true)
  }

加载全部内容