Spark：数据帧序列化

Question

我有2个关于Spark序列化的问题，我只能通过谷歌搜索找不到答案。

1. 如何打印出当前使用的序列化程序的名称; 我想知道spark.serializer是Java还是Kryo。

2. 我有以下代码，应该使用Kryo序列化; 用于数据帧的内存大小变为21meg，这是我刚刚缓存而没有序列化的四分之一; 但是当我删除Kryo配置时，大小保持相同的21meg。 这是否意味着Kryo从未被用在第一位？ 可能是因为数据框中的记录只是行，Java和Kryo​​序列化的大小相同吗？

    val conf = new SparkConf() conf.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer") conf.set("spark.kryo.registrationRequired", "false") val spark = SparkSession.builder.master("local[*]").config(conf) .appName("KryoWithRegistrationNOTRequired").getOrCreate val df = spark.read.csv("09-MajesticMillion.csv") df.persist(StorageLevel.MEMORY_ONLY_SER) 

Answer 1

这是否意味着Kryo从未被用在第一位？

这意味着它。 Spark SQL（ Dataset ）使用它自己的柱状存储进行缓存。 没有使用Java或Kryo序列化因此spark.serializer根本没有影响。