Spark自定义RDD重分区
来源:互联网 发布:java是后端吗 编辑:程序博客网 时间:2024/06/05 04:52
在某些计算场景中,我们可能需要将两个有关联的数据输入的部分数据,也就是说RDD中的部分数据,需要聚合在同一个partition进行匹配计算,这个时候,我们就需要根据实际的业务需求,自定义RDD重分区。
下面结合代码,看看具体怎么实现重分区,spark内部提供了一个分区抽象类Partitioner:
package org.apache.spark/** * An object that defines how the elements in a key-value pair RDD are partitioned by key. * Maps each key to a partition ID, from 0 to `numPartitions - 1`. */abstract class Partitioner extends Serializable { def numPartitions: Int def getPartition(key: Any): Int def equals(other: Any): Boolean}
def numPartitions: Int:这个方法需要返回你想要创建分区的个数;def getPartition(key: Any): Int:这个函数需要对输入的key做计算,然后返回该key的分区ID
equals():这个是Java标准的判断相等的函数,之所以要求用户实现这个函数是因为Spark内部会比较两个RDD的分区是否一样。
具体实现一个,如下:
package com.ais.common.tools.partitionerimport com.ais.common.tools.{HashTool, IPTool}import org.apache.spark.Partitionerclass IndexPartitioner(partitions: Int) extends Partitioner { def numPartitions = partitions def getPartition(key: Any): Int = { key match { case null => 0 case iKey: Int => iKey % numPartitions case textKey: String => (HashTool.hash(textKey) % numPartitions).toInt case _ => 0 } } override def equals(other: Any): Boolean = { other match { case h: IndexPartitioner => h.numPartitions == numPartitions case _ => false } }}
这个重写的分区策略就是:
如果key是个整形数值,则和分区数取余分配;如果key是个字符型的值,则计算他的哈希值再和分区数取余分配。这样我们只要在将两个RDD的key值保持一直,然后进行重分区,就能确保key一样的数据shuffe到同一个分区。当然也可以根据自己实际的业务来定义更复杂的分区策略。
阅读全文
0 0
- Spark自定义RDD重分区
- Spark-RDD 分区
- spark RDD 分区
- spark rdd 自动分区
- spark RDD算子(十三)之RDD 分区 HashPartitioner,RangePartitioner,自定义分区
- Spark RDD 内部结构(二) RDD分区
- Spark RDD 分区数详解
- 举例说明Spark RDD的分区、依赖
- 举例说明Spark RDD的分区、依赖
- 举例说明Spark RDD的分区、依赖
- Learning Spark笔记9-确定RDD分区
- Spark开发-RDD分区重新划分
- Spark自定义分区(Partitioner)
- Spark自定义分区(Partitioner)
- Spark自定义分区(Partitioner)
- Spark自定义分区(Partitioner)
- Spark自定义分区(Partitioner)
- Spark Partitioner自定义分区
- EffectiveJava心得一
- CentOS 7 新增加的systemctl 的用法和功能
- 面试题13—在O(1)时间删除链表结点
- 百年双星转型路,慧聚SRM助成功
- 贪心算法之钱币找零问题
- Spark自定义RDD重分区
- 10X 程序员应该具备哪些素质
- 关于Java Web开发出现乱码的原因总结
- 九度oj-1067-n的阶乘
- Eclipse Mars2在线安装svn详细步骤
- Runloop加载大图
- UML详解
- node.js服务器mysql数据库连接超时的问题(Error: connect ETIMEDOUT)
- Hyper容器云及云上运维