spark RDD 五大特性
来源:互联网 发布:泰克网络实验室怎么样 编辑:程序博客网 时间:2024/06/06 06:46
1、有一个分片列表,能够被切分,就是和Hadoop一样,能被切分的数据才能并行操作。
2、有一个函数计算每一个分片,compute函数。
3、对其他的RDD的依赖列表,依赖又分为宽依赖和窄依赖,但不是所有的RDD都有依赖。
4、可选,key-value型的RDD是根据哈希来分区的,类似于mapreduce的Paritioner接口,控制key分配到哪个reduce.
5、可选:每一个分片的优先计算位置(preferred locations),比如HDFS的block的所在位置应该是优先计算的位置。
对应着上面这几点,我们在RDD里面能找到这4个方法和1个属性,别着急,下面我们会慢慢展开说这5个东东。
//只计算一次 protected def getPartitions: Array[Partition] //对一个分片进行计算,得出一个可遍历的结果 def compute(split: Partition, context: TaskContext): Iterator[T] //只计算一次,计算RDD对父RDD的依赖 protected def getDependencies: Seq[Dependency[_]] = deps //可选的,分区的方法,针对第4点,类似于mapreduce当中的Paritioner接口,控制key分到哪个reduce @transient val partitioner: Option[Partitioner] = None //可选的,指定优先位置,输入参数是split分片,输出结果是一组优先的节点位置 protected def getPreferredLocations(split: Partition): Seq[String] = Nil
阅读全文
0 0
- spark RDD 五大特性
- RDD五大特性
- RDD五大特性
- RDD五大特性
- spark学习笔记之一:RDD的五大特性
- RDD的五大特性
- Sprak学习之RDD五大特性
- 每天一点进步:Spark RDD三大特性
- [Spark]Spark RDD 指南五 持久化
- RDD的5大特性
- RDD的5大特性
- Spark RDD API 参考示例(五)
- Spark入门(五):键值对RDD
- Spark快速大数据分析-RDD编程
- HTML5五大特性
- C++五大特性
- 【spark RDD】RDD编程
- Spark的RDD原理以及2.0特性的介绍
- Apache Ranger:统一授权管理框架
- Java中守护线程的总结
- nginx安装&tomcat集群
- 【hdu 1863】畅通工程(最小生成树&克鲁斯卡尔算法模板)
- libx264进行视频编码的流程
- spark RDD 五大特性
- 572. Subtree of Another Tree
- POJ 1287 Networking
- 【剑指offer】面试题57(1):和为S的数字
- 三大需求助ROS成为百度自动驾驶车载计算框架
- 机器学习笔记(3)——贝叶斯分类
- HDU 6069 素数筛+分解质因子
- 【JavaScript】js可以直接使用的鼠标经过切换图片
- 阿里云+wordpress搭建个人博客