Spark从入门到精通10 -- Spark Shuffle

Spark Shuffle

Shuffle简介
  • Shuffle(数据混洗)是将一组无规则的数据转换为一组有规则的数据。Spark是一个分布式计算引擎,大多数的计算和数据转换过程是在多台计算机上执行的,当我们对RDD进行规约操作时,例如reduceByKey,或者当两个RDD之间是宽依赖的关系时,都会产生Shuffle
Shuffle实现方案
  • Shuffle过程中会导致RDD进行重分区,在数据量情况较大情况下也会将数据序列到磁盘上,所以整个Shuffle过程会有大量的网络通信和磁盘IOShuffle的效率高低成为了Spark计算效率高低的关键。
Hash Shuffle
  • Spark1.6之前使用的Hash Shuffle

  • Hash Shuffle原理图

在这里插入图片描述

  • 过程解析

每一个MapTask会将数据按照key

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