Spark(18) -- SparkCore总结

本文深入探讨了Spark的RDD依赖,包括窄依赖和宽依赖,以及如何区分它们。详细介绍了Spark的DAG和Stage划分,以及Shuffle过程。此外,还涵盖了Job调度流程,Spark的基本概念如并行度,并提供了算子背后的逻辑分析。

Spark的核心是根据RDD来实现的,Spark Scheduler则为Spark核心实现的重要一环,其作用就是任务调度。Spark的任务调度就是如何组织任务去处理RDD中每个分区的数据,根据RDD的依赖关系构建DAG,基于DAG划分Stage,将每个Stage中的任务发到指定节点运行。基于Spark的任务调度原理,可以合理规划资源利用,做到尽可能用最少的资源高效地完成任务计算
 以词频统计WordCount程序为例,Job执行是DAG图:
在这里插入图片描述

1. RDD 依赖

 RDD 的容错机制是通过将 RDD 间转移操作构建成有向无环图来实现的。从抽象的角度看, RDD 间存在着血统继承关系,其本质上是 RDD之间的依赖(Dependency)关系

 从图的角度看,RDD 为节点,在一次转换操作中,创建得到的新 RDD 称为子 RDD,同时会产生新的边,即依赖关系,子 RDD 依赖向上依赖的 RDD 便是父 RDD,可能会存在多个父 RDD。 可以将这种依赖关系进一步分为两类,分别是

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

erainm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值