我试图理解无界表的物化和内存消耗。我正在制作一个简单的spark应用程序，阅读kafka的主题，从avro反序列化它，并将其写入s3上的Parquet格式。代码如下所示：

val df = spark
        .readStream
        .format("kafka")
        .option("kafka.bootstrap.servers", kafka-location)
        .option("subscribe", topic)
        .option("startingOffsets", "earliest")
        .load
        .select(from_avro(col("value"), abrisConfig) as 'data)
        .select("data.*")

      df.writeStream.format("parquet")
        .option("path", parquetLocation)
        .option("checkpointLocation", checkpointLocation)
        .outputMode("append")
        .start

我知道的一些信息

spark结构化流模型定义了两个表：输入表和结果表。
结果表是查询输入表的结果，与状态一起具体化。
结果表的不确定增长可以通过水印来解决，但只有在使用聚合的情况下才能解决。但是如果没有聚合呢？
根据databricks的演示（幻灯片12），完整的表格不是具体化的，而是部分的。

我的问题

输入表有多少是具体化的？
输入表中的行有多长？
我应该担心记忆还是spark能处理？
提前谢谢！