前言

实习生很苦恼，为什么我使用了createTempView创建临时视图，每次查询的这个视图特别的耗时呢？这个数据难道没有存在内存而是本地？
我问：你的视图缓存了吗？
实习生：视图缓存？一般我只缓存DataFrame，比如如果要复用DataFrame我就会调用df.cache()方法，视图也要缓存？怎么缓存？

createTempView运作原理

先说一个众人皆知的知识：
Spark中的算子包含transformation算子和action算子，transformation是根据原有RDD创建一个新的RDD，而action则把RDD操作后的结果返回给driver。Spark对transformation的抽象可以大大提高性能，这是因为在Spark中，所有transformation操作都是lazy模式，即Spark不会立即计算结果，而只是简单地记住所有对数据集的转换操作逻辑。这些转换只有遇到action操作的时候才会开始计算。这样的设计使得Spark更加高效。

有了以上的知识，就不难理解为什么实习生使用createTempView后，查询这个视图每次都很耗时了，正是因为createTempView操作是lazy模式，在没有action算子触发之前，它并没有什么实质性的运作，仅仅记录了一个创建视图的逻辑。
煮个例子：

sql("select a,b from table where xxx").createTempView("view1")
sql("select a from view1 where xxx").show()
sql("select b from view1 where xxx").show()

Spark每次遇到action算子show()方法的时候，才开始真正计算，上面代码中两次用到视图view1，那么意味着创建视图的方法会执行两次，因此非常的耗时，所以需要对此进行缓存处理。

如何给createTempView加缓存

直接上代码：

spark.table("view1").cache()

加上缓存之后，再去查，发现效率非常快，几乎是秒读。

后记

一定要深刻理解Spark的运作原理，没有进行缓存操作，数据就没有真正的保存，只有执行了action算子，spark才真正的开始运算，否则全部都是记录执行的逻辑而已。