Spark中repartition和coalesce的用法
来源:互联网 发布:vr全景拼接软件 编辑:程序博客网 时间:2024/05/28 17:07
转载地址:http://blog.csdn.net/u011981433/article/details/50035851
repartition(numPartitions:Int):RDD[T]和coalesce(numPartitions:Int,shuffle:Boolean=false):RDD[T]
他们两个都是RDD的分区进行重新划分,repartition只是coalesce接口中shuffle为true的简易实现,(假设RDD有N个分区,需要重新划分成M个分区)
1)、N<M。一般情况下N个分区有数据分布不均匀的状况,利用HashPartitioner函数将数据重新分区为M个,这时需要将shuffle设置为true。
2)如果N>M并且N和M相差不多,(假如N是1000,M是100)那么就可以将N个分区中的若干个分区合并成一个新的分区,最终合并为M个分区,这时可以将shuff设置为false,在shuffl为false的情况下,如果M>N时,coalesce为无效的,不进行shuffle过程,父RDD和子RDD之间是窄依赖关系。
3)如果N>M并且两者相差悬殊,这时如果将shuffle设置为false,父子RDD是窄依赖关系,他们同处在一个Stage中,就可能造成spark程序的并行度不够,从而影响性能,如果在M为1的时候,为了使coalesce之前的操作有更好的并行度,可以讲shuffle设置为true。
总之:如果shuff为false时,如果传入的参数大于现有的分区数目,RDD的分区数不变,也就是说不经过shuffle,是无法将RDD的分区数变多的。
0 0
- Spark中repartition和coalesce的用法
- Spark中repartition和coalesce的用法
- Spark中repartition和coalesce的用法
- Spark中repartition和coalesce的用法
- 【Spark】Spark中repartition和coalesce的区别
- Spark重新分区—repartition和coalesce的用法
- spark coalesce和repartition的区别
- spark coalesce和repartition区别
- spark算子(repartition和coalesce)
- Spark Rdd coalesce()方法和repartition()
- Spark Rdd coalesce()方法和repartition()方法
- Spark RDD算子【二】coalesce 和 repartition
- Spark RDD coalesce()方法和repartition()方法
- Spark算子[02]:coalesce,repartition
- [Spark--基础]--repartition vs coalesce
- Spark 重分区coalesce和repartition,合并小文件
- Spark编程之基本的RDD算子coalesce, repartition, checkpoint
- Learning Spark 笔记(五) -- coalesce、repartition
- Android中Recyclerview使用2----实现添加删除条目时加动画
- 设计模式(连线)
- 各种排序算法时间复杂度和空间复杂度表
- HDU1548:A strange lift(BFS)
- VC维理论
- Spark中repartition和coalesce的用法
- YOLO源码解析之yolo.c
- EventBusException: Subscriber class *** and its super classes have no public methods with the @Subsc
- eclipse使用心得
- 关于python的PE库pefile
- jquery-ui.min.js:5 Uncaught TypeError: b.nodeName.toLowerCase is not a function
- mysql事务应用
- 机器学习读书笔记(集成学习Boosting方法)
- 趣味100道C语言程序题num three