RDD Dependency

一般來說盘寡,分布式數(shù)據(jù)集的容錯(cuò)性有兩種方式:數(shù)據(jù)檢查點(diǎn)(Checkpoint)和記錄數(shù)據(jù)的更新。由于面對(duì)大規(guī)模的數(shù)據(jù)分析,Checkpoint機(jī)制的操作成本會(huì)很高扼脐,故而spark選擇通過記錄數(shù)據(jù)更新的方式來提高容錯(cuò)率。但是如果更新粒度太細(xì)太多,那么記錄更新成本也不低瓦侮。因此艰赞,RDD只支持粗粒度轉(zhuǎn)換,即只記錄單個(gè)塊上執(zhí)行的單個(gè)操作肚吏,然后將創(chuàng)建RDD的一系列變換序列(每個(gè)RDD都包含了他是如何由其他RDD變換過來的以及如何重建某一塊數(shù)據(jù)的信息方妖。因此RDD的容錯(cuò)機(jī)制又稱“血統(tǒng)(Lineage)”容錯(cuò))記錄下來,以便恢復(fù)丟失的分區(qū)罚攀。

Lineage(血統(tǒng))機(jī)制:
與其他系統(tǒng)的內(nèi)存數(shù)據(jù)更新的不同的是党觅,RDD的lineage機(jī)制所記錄的是特定數(shù)據(jù)的tranformation的操作(filter,map,join等)。當(dāng)這個(gè)RDD的部分分區(qū)數(shù)據(jù)丟失時(shí)斋泄,它可以通過Lineage獲取足夠的信息來重新運(yùn)算和恢復(fù)丟失的數(shù)據(jù)分區(qū)杯瞻。因?yàn)檫@種粗顆粒的數(shù)據(jù)模型,限制了Spark的運(yùn)用場合炫掐,所以Spark并不適用于所有高性能要求的場景魁莉,但同時(shí)相比細(xì)顆粒度的數(shù)據(jù)模型,也帶來了性能的提升卒废。

RDD在Lineage依賴方面分為了兩種:完全依賴(narrow dependency)和部分依賴(shuffle dependency)
完全依賴和部分依賴的主要區(qū)別在于父RDD所對(duì)應(yīng)的子RDD是多個(gè)(部分依賴)還是一個(gè)(完全依賴)沛厨,當(dāng)對(duì)應(yīng)于多個(gè)子RDD的時(shí)候,在容錯(cuò)機(jī)制觸發(fā)時(shí)摔认,由于只需計(jì)算父RDD的一部分逆皮,會(huì)造成冗余計(jì)算。

對(duì)于部分依賴來說参袱,Stage計(jì)算的輸入和輸出在不同的節(jié)點(diǎn)上电谣,對(duì)于輸入節(jié)點(diǎn)完好,而輸出節(jié)點(diǎn)死機(jī)的情況抹蚀,通過重新計(jì)算恢復(fù)數(shù)據(jù)這種情況下剿牺,這種方法容錯(cuò)是有效的,否則無效环壤,因?yàn)闊o法重試晒来,需要向上追溯其祖先看是否可以重試(這就是lineage,血統(tǒng)的意思)郑现,完全依賴對(duì)于數(shù)據(jù)的重算開銷要遠(yuǎn)小于部分依賴的數(shù)據(jù)重算開銷湃崩。

在容錯(cuò)機(jī)制中,如果一個(gè)節(jié)點(diǎn)死機(jī)了接箫,而且運(yùn)算完全依賴攒读,則只要把丟失的父RDD分區(qū)重算即可,不依賴于其他節(jié)點(diǎn)辛友。而部分依賴需要父RDD的所有分區(qū)都存在薄扁,重算就很昂貴了。可以這樣理解開銷的經(jīng)濟(jì)與否:在完全依賴中邓梅,在子RDD的分區(qū)丟失脱盲、重算父RDD分區(qū)時(shí),父RDD相應(yīng)分區(qū)的所有數(shù)據(jù)都是子RDD分區(qū)的數(shù)據(jù)震放,并不存在冗余計(jì)算宾毒。在部分依賴情況下,丟失一個(gè)子RDD分區(qū)重算的每個(gè)父RDD的每個(gè)分區(qū)的所有數(shù)據(jù)并不是都給丟失的子RDD分區(qū)用的殿遂,會(huì)有一部分?jǐn)?shù)據(jù)相當(dāng)于對(duì)應(yīng)的是未丟失的子RDD分區(qū)中需要的數(shù)據(jù)诈铛,這樣就會(huì)產(chǎn)生冗余計(jì)算開銷,這也是部分依賴開銷更大的原因墨礁。因此如果使用Checkpoint算子來做檢查點(diǎn)幢竹,不僅要考慮Lineage是否足夠長,也要考慮是否有部分依賴恩静,對(duì)部分依賴加Checkpoint是最物有所值的焕毫。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市驶乾,隨后出現(xiàn)的幾起案子邑飒,更是在濱河造成了極大的恐慌,老刑警劉巖级乐,帶你破解...
    沈念sama閱讀 216,372評(píng)論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件疙咸,死亡現(xiàn)場離奇詭異,居然都是意外死亡风科,警方通過查閱死者的電腦和手機(jī)撒轮,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來贼穆,“玉大人题山,你說我怎么就攤上這事」嗜” “怎么了顶瞳?”我有些...
    開封第一講書人閱讀 162,415評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長愕秫。 經(jīng)常有香客問我浊仆,道長,這世上最難降的妖魔是什么豫领? 我笑而不...
    開封第一講書人閱讀 58,157評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮舔琅,結(jié)果婚禮上等恐,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好课蔬,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,171評(píng)論 6 388
  • 文/花漫 我一把揭開白布囱稽。 她就那樣靜靜地躺著,像睡著了一般二跋。 火紅的嫁衣襯著肌膚如雪战惊。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,125評(píng)論 1 297
  • 那天扎即,我揣著相機(jī)與錄音吞获,去河邊找鬼。 笑死谚鄙,一個(gè)胖子當(dāng)著我的面吹牛各拷,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播闷营,決...
    沈念sama閱讀 40,028評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼烤黍,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了傻盟?” 一聲冷哼從身側(cè)響起速蕊,我...
    開封第一講書人閱讀 38,887評(píng)論 0 274
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎娘赴,沒想到半個(gè)月后规哲,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,310評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡筝闹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,533評(píng)論 2 332
  • 正文 我和宋清朗相戀三年媳叨,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片关顷。...
    茶點(diǎn)故事閱讀 39,690評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡糊秆,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出议双,到底是詐尸還是另有隱情痘番,我是刑警寧澤,帶...
    沈念sama閱讀 35,411評(píng)論 5 343
  • 正文 年R本政府宣布平痰,位于F島的核電站汞舱,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏宗雇。R本人自食惡果不足惜昂芜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,004評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望赔蒲。 院中可真熱鬧泌神,春花似錦良漱、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至损趋,卻和暖如春患久,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背浑槽。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評(píng)論 1 268
  • 我被黑心中介騙來泰國打工蒋失, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人括荡。 一個(gè)月前我還...
    沈念sama閱讀 47,693評(píng)論 2 368
  • 正文 我出身青樓高镐,卻偏偏與公主長得像,于是被迫代替她去往敵國和親畸冲。 傳聞我的和親對(duì)象是個(gè)殘疾皇子嫉髓,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,577評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容