Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gibt eine lokal überprüfte Version dieses DataFrame zurück. Prüfpunkte können verwendet werden, um den logischen Plan dieses DataFrames abzuschneiden, was besonders bei iterativen Algorithmen hilfreich ist, in denen der Plan exponentiell wachsen kann. Lokale Prüfpunkte werden in den Executoren mithilfe des Caching-Subsystems gespeichert und daher nicht zuverlässig.
Syntax
localCheckpoint(eager: bool = True, storageLevel: Optional[StorageLevel] = None)
Parameter
| Parameter | Typ | Beschreibung |
|---|---|---|
eager |
bool, optional, default True | Gibt an, ob dieser DataFrame sofort überprüft werden soll. |
storageLevel |
StorageLevel, optional, default None | Der Speicherlevel, mit dem der Prüfpunkt gespeichert wird. Wenn nicht angegeben, wird die Standardeinstellung für lokale RDD-Prüfpunkte festgelegt. |
Rückkehr
DataFrame: Prüfpunkted DataFrame.
Hinweise
Diese API ist experimentell.
Beispiele
df = spark.createDataFrame([
(14, "Tom"), (23, "Alice"), (16, "Bob")], ["age", "name"])
df.localCheckpoint(False)
# DataFrame[age: bigint, name: string]