Optimizing PySpark Code
In this session we cover ways to optimize PySpark code. This includes descriptions of situations where slowness may occur, for example, uneven partitions and skewed joins. To combat these issues I explain repartitioning/coalescing and broadcast joins. I also explain how to place your data in memory or on disk to cache commonly used data sets. Finally, I show the interface where you can monitor memory and CPU usage to make sure you are using the optimal cluster size.
Lastly, I show how to use multiple languages inside of one Databricks notebooks including SQL and R code.
To gain access to code, data, and course materials visit https://kelseyemnett.com/2021/05/30/o....
Nesta página do site você pode assistir ao vídeo on-line Optimizing PySpark Code duração hora minuto segundo em boa qualidade , que foi baixado pelo usuário Data Analysis Lab 30 Maio 2021, compartilhe o link com seus amigos e conhecidos, no youtube este vídeo já foi visto 1,180 vezes e gostou like espectadores. Boa visualização!
