需求是这样的，目前在处理一个 100G 的数据库。出于简单考虑，我是一次性把数据载入内存做计算，处理本是 python 写的。手头有一台 windows 服务器，内存 128G ，运行起来内存爆了。另外还有一个 spark 集群，由 4 台 128G 内存的服务器组成。由于对 spark 不是很了解，想请教一下大家：
我可以用这台 spark 集群运行我的纯 python 脚本么？还是必须改用 spark 的 API?
如果可以，可以利用到集群的全部内存，从而解决内存爆表的问题么？
本文由 vps网友提供，转载请注明出处
本文链接： https://www.vpsvsvps.com/discuss/a/1676471776298668032.html
可以啊 pyspark 么 就是许多 api 一看支持都有 再仔细一看都是 java 才支持
你还是看看 spark streaming 吧 按你这玩法 内存再大也不够
* 最多
默认设置下 Spark 会使用资源 70% 的内存
必须是 pyspark 的接口 不过可以各种上传依赖库啊
不用 spark 的 api ，怎么分布式用集群？和自己运行一个脚本没区别啊
必须用 spark api ，建议楼主先看下 spark 相关的内容吧
可以直接用。但是感觉并不能解决内存爆了的问题吧？？
没有用 spark 或者其他并行计算框架，它就只能把你当成一个计算程序来算，没有办法拆分开分布式运行。计算的时候还是需要那么多的内存啊
pyspark 里不用 spark 相关的东西完全可以