spark调用第三方工具spark-excel,文件过大,oom
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | /** * https://github.com/crealytics/spark-excel * @param sparkSession * @param filePath * @param header * @return */ def sparkExcel(sparkSession: SparkSession, filePath: String, header: Boolean): DataFrame = { println( "--------------------sparkExcel-----:" , filePath) import com.crealytics.spark.excel._ val df = sparkSession.read.excel( header = header, // Required // dataAddress = "'My Sheet'!B3:C35", // Optional, default: "A1" treatEmptyValuesAsNulls = true , // Optional, default: true inferSchema = false , // Optional, default: false addColorColumns = false , // Optional, default: false // timestampFormat = "MM-dd-yyyy HH:mm:ss", // Optional, default: yyyy-mm-dd hh:mm:ss[.fffffffff] maxRowsInMemory = 20 // Optional, default None. If set, uses a streaming reader which can help with big files // excerptSize = 10, // Optional, default: 10. If set and if schema inferred, number of rows to infer schema from // workbookPassword = "pass" // Optional, default None. Requires unlimited strength JCE for older JVMs ).load(filePath) df.show( 5 ) df } |
设置:maxRowsInMemory
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· 终于写完轮子一部分:tcp代理 了,记录一下
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 别再用vector<bool>了!Google高级工程师:这可能是STL最大的设计失误
· 单元测试从入门到精通
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理