Spark的df.cache（）是热切地还是懒洋洋地执行的？

Question

我在工作中使用pyspark。在本文https://unraveldata.com/to-cache-or-not-to-cache/中，它表示缓存不是一个操作。但是，当我在RDD上运行缓存功能时，需要花费很多时间。并且spark UI显示有一些名为cache at NativeMethodAccessorImpl.java:0的激活作业。缓存动作是什么？

Answer 1

缓存是一种懒惰的操作。这意味着当访问从缓存构造的变量时，它将计算它。所以它显示需要时间。

当调用计算时，所有数据都移动到ram。一旦数据在ram计算中可用，就会执行。