如何通過(guò)map操作看RDD的Map過(guò)程

本篇內(nèi)容介紹了“如何通過(guò)map操作看RDD的Map過(guò)程”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)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！

RDD中的map,flatMap等操作是怎么串在一起形成DAG圖的呢？這是個(gè)很重要的問(wèn)題，理解了這一點(diǎn)才能更好的理解Spark的內(nèi)核實(shí)現(xiàn)。本文通過(guò)map過(guò)程來(lái)試圖解釋這一點(diǎn)。

先看看RDD的一個(gè)子類：MapPartitionsRDD，它會(huì)用在map函數(shù)場(chǎng)景下。

它的定義：

private[spark] class MapPartitionsRDD[U: ClassTag, T: ClassTag](
    var prev: RDD[T],
    f: (TaskContext, Int, Iterator[T]) => Iterator[U],  // (TaskContext, partition index, iterator)
    preservesPartitioning: Boolean = false,
    isFromBarrier: Boolean = false,
    isOrderSensitive: Boolean = false)
  extends RDD[U](prev)

prev是父RDD，就是父類RDD的入?yún)?，在后面的代碼里就是firstParent。

F代表了map函數(shù)的定義，其中第二個(gè)Int參數(shù)是分區(qū)索引號(hào)。我們先不管這個(gè)f入?yún)⒃趺磦鬟M(jìn)來(lái)的，先看看MapPartitionsRDD需要做哪些事。

前面說(shuō)過(guò)，對(duì)于RDD來(lái)說(shuō)，最重要的函數(shù)就是compute，MapPartitionsRDD的compute方法定義：

override def compute(split: Partition, context: TaskContext): Iterator[U] =
    f(context, split.index, firstParent[T].iterator(split, context))

很明確，就是用當(dāng)前的solit分區(qū)來(lái)執(zhí)行入?yún)⒌膄函數(shù)！

那么，這個(gè)MapPartitionsRDD是怎么產(chǎn)生的呢？原來(lái)是在RDD類中的map函數(shù)產(chǎn)生的：

def map[U: ClassTag](f: T => U): RDD[U] = withScope {
    val cleanF = sc.clean(f)
    new MapPartitionsRDD[U, T](this, (_, _, iter) => iter.map(cleanF))
  }

這幾行代碼什么意思？這里還是需要好好分析一下的。

對(duì)照MapPartitionsRDD的定義，我們知道：

(_, _, iter) => iter.map(cleanF)

里面的_,_代表TaskContext和分區(qū)索引，因?yàn)樵贛apPartitionsRDD的compute方法中已經(jīng)有了split入?yún)⒑蚦ontext入?yún)?，所以在RDD中就不需要傳這兩個(gè)參數(shù)了。

iter代表要處理的數(shù)據(jù)集，在MapPartitionsRDD中的compute方法中定義為：

firstParent[T].iterator(split, context)

函數(shù)就是第一個(gè)父類RDD的split分區(qū)的數(shù)據(jù)集。這里就很清楚了，對(duì)這個(gè)數(shù)據(jù)集做cleanF操作（也就是sc.clean之后的map函數(shù)，sc.clean是去掉不能序列號(hào)的字節(jié)碼的意思，保證可以序列化后分發(fā)到其他節(jié)點(diǎn)執(zhí)行）。

“如何通過(guò)map操作看RDD的Map過(guò)程”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！