spark笔记2之spark粗略运行流程

目录

一、Spark粗略的运行流程

二、代码流程

1、创建一个SparkConf

2、创建一个上下文对象SparkContext

3、创建一个RDD

4、使用transformations类算子进行各种各样的数据转换

5、使用Action类算子触发执行

6、关闭上下文对象

分布式文件系统（File system）--加载RDD

transformations延迟执行--针对RDD的操作

Action触发执行

 

---

一、Spark粗略的运行流程

如下图：

Driver：进程   ；Worker：进程；RAM：运行内存；Input Data：要计算的数据

每个task处理128M的数据量

 

二、代码流程

1、创建一个SparkConf

val sparkConf = new SparkConf().setAppName("DirectKafkaWordCount").setMaster("local[2]")

1、设置Application名称（在web ui显示）

2、可设置Application运行所需要的资源情况

3、设置Spark的运行模式 local standalone yarn mesos

2、创建一个上下文对象SparkContext

val sc = new SparkContext(conf)

创建SparkContext需要用到spark的配置对象

SparkContext是通往集群的唯一通道

3、创建一个RDD

4、使用transformations类算子进行各种各样的数据转换

5、使用Action类算子触发执行

6、关闭上下文对象

分布式文件系统（File system）--加载RDD

transformations延迟执行--针对RDD的操作

——返回值是RDD

——transformations是某一类算子（函数）

Action触发执行

——action也是一类算子（函数）

——返回值都不是RDD类型

如果你的算子的返回值是RDD类型，那么这个算子就是transformations算子，否则就是Action类算子