Spark有多种储级别，下面我用数据的方式展示各种存储级别的区别和其选择，希望能给在座各位在工作中或面试中一点帮助！转载请注明出处：Michael孟良

存储级别StorageLevel

如上篇文章所说，当 Execution 空间不足而且 Storage 空间也不足的情况下，Storage 空间如果曾经使用了超过 Unified 默认的 50% 空间的话则超过部份会被强制 drop 掉一部份数据来解决 Execution 空间不足的问题。
drop 后数据会不会丢失主要是看你在程序设置的 storage_level 来决定你是 Drop 到那里。
设计代码：

 object CacheTest {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("CacheTest").master("local").getOrCreate()
    
    
    val sc = spark.sparkContext
    var rdd1 = sc.textFile("file:///E:/BigData/wc5")
    rdd1 = rdd1.persist(StorageLevel.OFF_HEAP     )

    val startTime = System.currentTimeMillis()
    val count = rdd1.count()
    val endTime = System.currentTimeMillis()

    val startTime1 = System.currentTimeMillis()
    val count1 = rdd1.count()
    val endTime1 = System.currentTimeMillis()
    println("count:" + count + "\tdurations:" + (endTime-startTime) + " ms")//第一个时间是从文件中读过来的时间
    println("count:" + count1 + "\tdurations:" + (endTime1-startTime1) + " ms")//第二个时间是从内存或磁盘读过来的时间
    while(true){}
//    spark.close()
  }
}

下面我们通过http://localhost:4040/storage/，来观察storage_level 分配情况：

val DISK_ONLY = new StorageLevel(true, false, false, false)
val DISK_ONLY_2 = new StorageLevel(true, false, false, false, 2)

count:10851865 durations:146601 ms
count:10851865 durations:60397 ms

---

val MEMORY_ONLY = new StorageLevel(false, true, false, true)
val MEMORY_ONLY_2 = new StorageLevel(false, true, false, true, 2)

count:10851865 durations:71126 ms
count:10851865 durations:32691 ms

---

val MEMORY_ONLY_SER = new StorageLevel(false, true, false, false)
val MEMORY_ONLY_SER_2 = new StorageLevel(false, true, false, false, 2)

count:10851865 durations:88367 ms
count:10851865 durations:65296 ms

---

val MEMORY_AND_DISK = new StorageLevel(true, true, false, true)
val MEMORY_AND_DISK_2 = new StorageLevel(true, true, false, true, 2)

count:10851865 durations:118936 ms
count:10851865 durations:63087 ms

---

val MEMORY_AND_DISK_SER = new StorageLevel(true, true, false, false)
val MEMORY_AND_DISK_SER_2 = new StorageLevel(true, true, false, false, 2)

count:10851865 durations:148841 ms
count:10851865 durations:60774 ms

---

val OFF_HEAP = new StorageLevel(true, true, true, false, 1)

count:10851865 durations:127012 ms
count:10851865 durations:60083 ms

---

备注：
1.以MEMORY_ONLY_2为例，MEMORY_ONLY_2相比于MEMORY_ONLY存储数据的方式是相同的，不同的是会将数据备份到集群中两个不同的节点，其余情况类似。
2.当MEMORY_AND_DISK 时，文件不太大，会优先放到memory为主。
3.以MEMORY_ONLY_SER为例，MEMORY_ONLY_SER比MEMORY_ONLY多做了序列化操作。同样大小的文件放在disk会小很多，和在memory序列化后大小一样。
4.除去使用MEMORY，DISK，还有一种是OFF_HEAP，称之为 使用JVM堆外内存，使用OFF_HEAP的优势在于，在内存有限时，可以减少频繁GC及不必要的内存消耗，提升程序性能。

---

StorageLevel的选择

经过上面的数据，我们可以得出：

1.第一个优先选择MEMORY_ONLY ，从数据上看，读最快（32691 ms）。

2.第二个优先选择MEMORY_ONLY_SER 。当空间不够，可以选择MEMORY_ONLY_SER，加多了序列化步骤，但节约了空间。

3.第三个优先选择MEMORY_AND_DISK_SER ，当空间再不够，才选择将部分放到磁盘。

4.不建议用DISK_ONLY ，用了60397 ms，还不如MEMORY_ONLY在文件中重新读一遍（71126 ms）；而其读文件要用146601 ms，相当其他读文件的一倍。

---

Thanks for watching！