在 Apache Spark 中，可以使用 cache() 或 persist() 方法對數據進行緩存
以下是使用 cache() 和 persist() 方法進行數據緩存的示例：
from pyspark import SparkContext
# 創建 SparkContext
sc = SparkContext("local", "CacheExample")
# 創建一個 RDD
data = sc.parallelize([1, 2, 3, 4, 5])
# 使用 cache() 方法緩存 RDD
data.cache()
# 使用 persist() 方法緩存 RDD，并指定存儲級別
# 存儲級別可以是 MEMORY_ONLY, MEMORY_AND_DISK, MEMORY_ONLY_SER, MEMORY_AND_DISK_SER 等
data.persist(sc.memory_only())
# 對緩存的數據進行操作
result = data.map(lambda x: x * 2).collect()
print(result)
# 停止 SparkContext
sc.stop()
在這個示例中，我們首先創建了一個 SparkContext，然后創建了一個 RDD。接下來，我們使用 cache() 方法對 RDD 進行緩存，并使用 persist() 方法將 RDD 緩存到內存中。最后，我們對緩存的數據進行操作并輸出結果。
注意：在使用緩存時，請確保你的集群有足夠的內存來存儲緩存的數據，以避免數據被頻繁地重新計算。
