在Spark中，可以通过设置Spark SQL的配置参数spark.sql.shuffle.partitions来控制每次拉取的数据量。这个参数表示每次shuffle操作时要生成的分区数，也就是每次拉取数据的数量。通过调整这个参数的值，可以控制每次拉取的数据量，从而限制数据的大小。
另外，还可以通过设置spark.sql.files.maxRecordsPerFile参数来限制每个文件中最大的记录数，从而控制每次拉取的数据量。这样可以在数据写入文件时对数据进行分片，限制每次读取的数据量。
除此之外，也可以在数据读取的过程中使用limit()函数来限制每次拉取的数据量。例如可以使用DataFrame.limit(n)方法来限制每次拉取的数据量为n行。
综上所述，可以通过设置Spark SQL的配置参数、文件写入参数或在数据读取时使用limit()函数来限制每次拉取的数据量。
辰迅云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
推荐阅读： spark集群搭建的步骤是什么
云服务器
物理服务器
虚拟主机
跨境电商服务器