Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Conserve le DataFrame avec le niveau de stockage par défaut (MEMORY_AND_DISK_DESER).
Syntaxe
cache()
Retours
DataFrame: DataFrame mis en cache.
Remarques
Le niveau de stockage par défaut a changé pour correspondre à MEMORY_AND_DISK_DESER Scala dans la version 3.0.
Les données mises en cache sont partagées entre toutes les sessions Spark sur le cluster.
Exemples
:::note Compatibilité avec le serverless
Databricks recommande de ne plus utiliser DataFrame.cache(), car celui-ci n’est pas compatible avec l’architecture de calcul sans serveur de Databricks. Matérialisez les résultats intermédiaires dans une table Delta à la place.
:::
df = spark.range(1)
df.cache()
# DataFrame[id: bigint]
df.explain()
# == Physical Plan ==
# InMemoryTableScan ...