Spark не использует предикатное нажатие для ADLS Gen2 - PullRequest
Новая
       25

Spark не использует предикатное нажатие для ADLS Gen2

1 голос
/ 21 января 2020

Почему Spark не выполняет предикатное нажатие для Spark и ADLS Gen 2 (хранилище больших двоичных объектов) в моем случае? Из статей вот так Я знаю, что ADLS Gen 2 поддерживает предикатное нажатие , Но работает ли Spark с API ADLS Gen 2 правильно, чтобы обеспечить предикатное нажатие? 

# Folder structure example `<base_path>/NAME=ABC/YEAR=2019/MONTH=05/part-xxxx-.snappy.parquet`
spark_session.read \
    .parquet('<base_path>') \
    .filter((F.col('NAME') == 'ABC') & (F.col('YEAR') == 2019) & (F.col('MONTH') == 5)) \
    .explain()

Из вывода видно, что PySpark использует простой RemoteServiceExec filter вместо PushedFilter. AFAIK, это означает, что Spark не использует предикатный pushdown для запроса.

PS Я запускаю задание в режиме развертывания клиента через databricks-connect

Вывод: 

RemoteServiceExec filter {
  condition {
    sql_expr {
      sql_repr: "((('#non-sql-expr-183d4706-d0e7-476a-823c-efe0de41914a' = 'ABC') AND ('#non-sql-expr-823ed3f2-b08f-4d00-88c1-29f45d08c43e' = 2019)) AND ('#non-sql-expr-a361bb1a-085f-4948-8fa5-7e1e14f835ee' = 5))"
      embedded_non_sql_exprs {
        uuid: "#non-sql-expr-823ed3f2-b08f-4d00-88c1-29f45d08c43e"
        expr {
          named_expr {
            attr {
              attr_ref {
                name: "YEAR"
                dataType {
                  sql_repr: "INT"
                }
                nullable: true
                metadata {
                  json_repr: "{}"
                }
                expr_id {
                  id: 39
                  jvm_id: "929051d7-3030-4e2c-bf57-923aa610f40e"
                }
              }
            }
          }
        }
      }
      embedded_non_sql_exprs {
        uuid: "#non-sql-expr-183d4706-d0e7-476a-823c-efe0de41914a"
        expr {
          named_expr {
            attr {
              attr_ref {
                name: "NAME"
                dataType {
                  sql_repr: "STRING"
                }
                nullable: true
                metadata {
                  json_repr: "{}"
                }
                expr_id {
                  id: 38
                  jvm_id: "929051d7-3030-4e2c-bf57-923aa610f40e"
                }
              }
            }
          }
        }
      }
      embedded_non_sql_exprs {
        uuid: "#non-sql-expr-a361bb1a-085f-4948-8fa5-7e1e14f835ee"
        expr {
          named_expr {
            attr {
              attr_ref {
                name: "MONTH"
                dataType {
                  sql_repr: "INT"
                }
                nullable: true
                metadata {
                  json_repr: "{}"
                }
                expr_id {
                  id: 40
                  jvm_id: "929051d7-3030-4e2c-bf57-923aa610f40e"
                }
              }
            }
          }
        }
      }
    }
  }
  child {
    logical_relation {
      relation {
        data_frame_read_spec {
          user_specified_source: "parquet"
          paths: "abfss://<base_path>"
        }
      }
      schema {
        ...
      }
      uuid: "da53053d-5e34-4c8d-8bab-f7a30dfefde4"
    }
  }
}
serialization_context {
}
...