Google cloud platform 尽管printSchema（）为我的spark df生成输出，.show（）和.count（）不'；不行？为什么？

我目前正在使用jupyter hub通过dataproc集群运行PySpark作业。当我运行

df.printSchema（）

时，它返回数据帧的模式，而当我运行

df.show（10）

或

df.count（）

时，它执行时间不限，并且不生成输出。为什么？如何检查是否正在创建df？

printSchema不是一个Spark操作，因此不会计算数据帧，这与show和count不同。检查要诊断的环境的监视。很可能是OOM。有很多因素可能会影响spark作业的性能，如机器类型、数据大小、底层数据源（是表还是视图）等。此外，尽管count不占用太多内存，但它取决于在调用count之前对数据帧执行的转换和操作。您可以用这些信息更新您的问题，以便我能更好地帮助您吗？打印数据框的架构不会对数据框的内容进行操作，就像show（）或其他函数那样。printSchema不是Spark操作，因此与show和count不同，不会对数据框进行计算。检查要诊断的环境的监视。很可能是OOM。有很多因素可能会影响spark作业的性能，如机器类型、数据大小、底层数据源（是表还是视图）等。此外，尽管count不占用太多内存，但它取决于在调用count之前对数据帧执行的转换和操作。您可以用这些信息更新您的问题，以便我能更好地帮助您吗？打印数据帧的架构不会像show（）或其他函数那样对数据帧的内容进行操作。