spark RDD 五大特性

Spark RDD核心特性解析
Spark的RDD(弹性分布式数据集)具有五大特性:1) 数据可分片,支持并行操作;2) 每个分片有compute函数进行计算;3) 存在对其他RDD的依赖关系,分为宽依赖和窄依赖;4) key-value型RDD通过哈希分区,类似MapReduce的Paritioner接口;这些特性使得RDD成为高效并行计算的基础。
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

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