Pyspark读取大文件的一个坑

最好把文件分割到10g以下，每次读取一个，否则会自动truncate，而且还不告诉你。400g的文件我一次性读入实测只有100多g读进去了，造成结果严重错误。当然应该跟memory有关系，但我已经设置得很大了，还是出现问题，最后选择分割成40个小文件。