AbsaOSS / AbsaOSS/enceladus

Caching of DataFrame between processing phases

Ouverte
#1,560 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
cloud Conformance feature priority: undecided Standardization under discussion
Langage dominant
Scala
Étoiles
33
Forks
16
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

## Background
Right now, based on #1538, the DataFrame is re-read between each phase. This is potentially ineffective and results it extra IO (possible extra cost in cloud)

## Feature
Investigate and eventually implement some Spark caching strategy resistant to node failure.

## Proposed Solution
This might be a source reading for possible solution
https://sparkbyexamples.com/spark/spark-dataframe-cache-and-persist-explained/

Guide de contribution

Ouvrir le guide de contribution

Évaluation

Cette issue n'a pas encore été évaluée.

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.