Spark中的RDD核心操作有哪些

本篇內(nèi)容介紹了“Spark中的RDD核心操作有哪些”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

Q1:Spark中的RDD到底是什么？

• RDD是Spark的核心抽象，可以把RDD看做“分布式函數(shù)編程語言”。

• RDD有以下核心特征：

A list of partitions

A function for computing each split

A list of dependencies on other RDDs

Optionally, a Partitioner for key-value RDDs (e.g. to say that the RDD is hash-partitioned)

Optionally, a list of preferred locations to compute each split on (e.g. block locations for an HDFS file)

• RDD中有兩種核心操作：Transformation和Action，Transformation時(shí)只會(huì)記錄對(duì)數(shù)據(jù)操作的元數(shù)據(jù)，Action時(shí)會(huì)對(duì)數(shù)據(jù)進(jìn)行計(jì)算并產(chǎn)出結(jié)果。

  
  

Q2:Checkpoint和persist是什么類型的RDD呢？

• RDD的Operation分為兩類，transformation和action，其中transformation產(chǎn)生新的RDD，action產(chǎn)生新的數(shù)據(jù)。作為DAG的lineage對(duì)transformation進(jìn)行存儲(chǔ)，當(dāng)action時(shí)執(zhí)行l(wèi)ineage并產(chǎn)生數(shù)據(jù)。

• checkpoint和persist是RDD比較特殊的兩個(gè)操作， persist持久化RDD, checkpoint持久化RDD同時(shí)切斷歷史lineage。

• Persist和checkpoint有違immutability的操作，它們實(shí)際上修改RDD meta info中的storage level和lineage，并返回修改過的RDD對(duì)象自身而非新的RDD對(duì)象.

   
  

Q3:Spark在運(yùn)行的時(shí)候Driver程序運(yùn)行在什么地方？

• 在Standalone的模式下Driver運(yùn)行在提交Spark Application的客戶端；

• 客戶端能夠提交Spark程序是應(yīng)為安裝了Spark；

• Driver要負(fù)責(zé)程序的運(yùn)行；

Q4:理解DAGScheduler對(duì)DAG Stage劃分的訣竅是什么？

• 一般而言出現(xiàn)從外部讀取數(shù)據(jù)、進(jìn)行Shuffle操作和寫數(shù)據(jù)的時(shí)候會(huì)成為Stage劃分的邊界；

• Stage內(nèi)部的操作是Pipeline的，可以極大的提高程序運(yùn)行效率；

• Shuffle是兩個(gè)Stage的劃分點(diǎn)；

Q5:如何理解Narrow Dependencies和Wide Dependencies？

• Narrow Dependencies和Wide Dependencies構(gòu)成了Spark Lineage；

• Narrow Dependencies：例如map、filter、union、join with inputs co-partitioned;

• Wide Dependencies:例如groupByKey、join with inputs not co-partitioned；

• 判斷是Narrow Dependencies的關(guān)鍵就是左側(cè)RDD Partition操作產(chǎn)出的結(jié)果是唯一右側(cè)的RDD Partition；

• 判斷是Wide Dependencies的關(guān)鍵就是左側(cè)RDD Partition操作產(chǎn)出的結(jié)果是至少兩個(gè)右側(cè)的RDD Partitions；

“Spark中的RDD核心操作有哪些”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！