Spark的DAG

本文深入探讨了Spark中DAG(有向无环图)的概念及其在任务调度中的作用,详细解析了如何根据RDD间的依赖关系,即宽依赖和窄依赖,来划分计算流程为多个Stage,以优化并行计算效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Spark的DAG

什么是DAG

  • DAG(Directed Acyclic Graph)叫做有向无环图,原始的RDD通过一系列的转换就就形成了DAG,根据RDD之间的依赖关系的不同将DAG划分成不同的Stage,对于窄依赖,partition的转换处理在Stage中完成计算。对于宽依赖,由于有Shuffle的存在,只能在parent RDD处理完成后,才能开始接下来的计算,因此宽依赖是划分Stage的依据。

划分stage的过程

  • 从最后一个RDD开始,调用递归算法查找该RDD后开始遍历,判断父RDD和该RDD的依赖关系,如果是宽依赖,就把父RDD和前面所有的RDD都划分成一个stage,若果是窄依赖,继续递归查找父RDD的父RDD,递归的出口是直到找不到父RDD,最后把所有的RDD统一划分一个stage
    在这里插入图片描述

举例

  • WordCount的stage个数
    在这里插入图片描述
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
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