练习缓存：第 1 部分
在接下来的几个练习中，您将尝试用不同方式缓存两个 DataFrame。
一个 dataframe df1 是从一个 csv 文件加载的，并执行了若干处理步骤。由于 df1 会被多次使用，它适合被缓存。
第二个 dataframe df2 通过在 df1 上执行额外且计算密集的步骤创建，同样也适合被缓存。
因为 df2 依赖于 df1，于是出现一个问题：缓存 df1 更好，还是缓存 df2 更好？
在本练习中，我们先尝试缓存 df1。请注意每个 action 所用的时间。我们将在下一个练习中进行比较。
本练习是课程的一部分
Python 中的 Spark SQL 入门
练习说明
- 只缓存
df1。 - 在
df1上运行一次 action 并重复，然后在df2上运行一次 action 并重复。此步骤已为您准备好。 - 确认
df1是否已被缓存。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Unpersists df1 and df2 and initializes a timer
prep(df1, df2)
# Cache df1
____
# Run actions on both dataframes
run(df1, "df1_1st")
run(df1, "df1_2nd")
run(df2, "df2_1st")
run(df2, "df2_2nd", elapsed=True)
# Prove df1 is cached
print(____)