Java Spark 簡(jiǎn)單示例(七) RDD分區(qū) 分區(qū)劃分器

大數(shù)據(jù)學(xué)習(xí)交流微信群

更多RDD的信息參考:https://www.cnblogs.com/qingyunzong/p/8899715.html

分區(qū)

Spark程序中颜屠,RDD是由SparkContext上下文生成的,一個(gè)數(shù)據(jù)源只能生成一個(gè)RDD對(duì)象(流處理場(chǎng)景中娱两,指定多個(gè)消息源可以生成多個(gè)RDD扇住,存在DStream中)庶近。

RDD(Resilient Distributed Dataset)Spark中最基本的數(shù)據(jù)抽象,它代表一個(gè)不可變、可分區(qū)、里面的元素可并行計(jì)算的集合赊舶。

分區(qū)(Partition),即數(shù)據(jù)集的基本組成單位赶诊。對(duì)于RDD來(lái)說(shuō)笼平,每個(gè)分區(qū)都會(huì)被一個(gè)計(jì)算任務(wù)Task處理,并決定并行計(jì)算的粒度舔痪。用戶可以在創(chuàng)建RDD時(shí)指定RDD的分區(qū)個(gè)數(shù)寓调,如果沒(méi)有指定,那么就會(huì)采用默認(rèn)值锄码。默認(rèn)值就是程序所分配到的CPU Core的數(shù)目(取決于運(yùn)行環(huán)境)夺英。如果是從HDFS中創(chuàng)建,默認(rèn)為文件的數(shù)據(jù)塊數(shù)滋捶。

分區(qū)劃分器

Spark默認(rèn)提供兩種劃分器:哈希分區(qū)劃分器(HashPartitioner)和范圍分區(qū)劃分器(RangePartitioner),且Partitioner只存在(K, V)類型的RDD中痛悯,對(duì)于非(K, V)類型的Partitioner值為None

//從test.txt 構(gòu)建rdd
JavaRDD<String> rdd = sc.textFile("test.txt");
System.out.println("初始分區(qū)劃分器:" + rdd.partitioner().toString());

輸出:初始分區(qū)劃分器:Optional.empty

HashPartitioner 是默認(rèn)分區(qū)劃分器重窟,他的原理是對(duì)于給定的key载萌,計(jì)算其hashCode,并除于分區(qū)的個(gè)數(shù)取余亲族,如果余數(shù)小于0炒考,則用余數(shù)+分區(qū)的個(gè)數(shù),最后返回的值就是這個(gè)key所屬的分區(qū)ID霎迫。但HashPartitioner易造成分區(qū)內(nèi)數(shù)據(jù)不均勻(跟key的分布息息相關(guān))斋枢。

RangePartitioner分區(qū)劃分器可以解決數(shù)據(jù)分布不均勻問(wèn)題,他能保證分區(qū)與分區(qū)之間是有序的知给,一個(gè)分區(qū)中的元素肯定都是比另一個(gè)分區(qū)內(nèi)的元素小或者大瓤帚,但是分區(qū)內(nèi)的元素是不能保證順序的。簡(jiǎn)單的說(shuō)就是將一定范圍內(nèi)的數(shù)映射到某一個(gè)分區(qū)內(nèi)涩赢。

groupByKey()默認(rèn)采用哈希分區(qū)劃分器戈次,當(dāng)然也可以手動(dòng)指定分區(qū)劃分器(包括自定義分區(qū)劃分器)

pairRDD.groupByKey(4); //默認(rèn)哈希分區(qū)劃分器,并指定分區(qū)數(shù)=4
OR
pairRDD.groupByKey(new HashPartitioner(4)); //指定哈希分區(qū)劃分器筒扒,并指定分區(qū)數(shù)=4

對(duì)<K,V>結(jié)構(gòu)的RDD怯邪,還可以手動(dòng)使用分區(qū)劃分器,使用partitionBy(Partitioner partitioner)函數(shù)

JavaPairRDD<String, Iterable<Integer>> groupRDD = pairRDD.groupByKey();
System.out.println("partitionBy前初始分區(qū)劃分器:" + groupRDD.partitioner().toString());
groupRDD.partitionBy(new HashPartitioner(3)); //手動(dòng)使用分區(qū)劃分器
System.out.println("partitionBy后初始分區(qū)劃分器:" + groupRDD.partitioner().toString());

請(qǐng)注意:如果rdd當(dāng)前分區(qū)劃分器與partitionBy指定的劃分器相同花墩,則不再進(jìn)行分區(qū)劃分悬秉,因此上述代碼輸出為

partitionBy前初始分區(qū)劃分器:Optional[org.apache.spark.HashPartitioner@4]
partitionBy后初始分區(qū)劃分器:Optional[org.apache.spark.HashPartitioner@4]

為了證明partitionBy指定HashPartitioner分區(qū)器沒(méi)有生效澄步,我們改變一下分區(qū)數(shù),并打印

JavaPairRDD<String, Iterable<Integer>> groupRDD = pairRDD.groupByKey(2); //指定分區(qū)數(shù)2
System.out.println("partitionBy前分區(qū)數(shù):" + groupRDD.getNumPartitions());
groupRDD.partitionBy(new HashPartitioner(4)); //指定分區(qū)數(shù)4
System.out.println("partitionBy后分區(qū)數(shù):" + groupRDD.getNumPartitions());
輸出:
partitionBy前分區(qū)數(shù):2
partitionBy后分區(qū)數(shù):2

指定分區(qū)的方法

并行化創(chuàng)建(創(chuàng)建rdd時(shí)指定)和泌。指定生成n個(gè)分區(qū)的rdd

// 構(gòu)造數(shù)據(jù)源
List<Integer> data = Arrays.asList(1, 2, 3, 4, 5);
//并行化創(chuàng)建rdd
JavaRDD<Integer> rdd = sc.parallelize(data,n); 

文件中創(chuàng)建(創(chuàng)建rdd時(shí)指定)村缸。指定生成n個(gè)分區(qū)的rdd

//從test.txt 構(gòu)建rdd
JavaRDD<String> rdd = sc.textFile("test.txt",n); 

shuffle時(shí)指定。指定shuffle后新的rdd的分區(qū)數(shù)(n在最后)

JavaPairDStream<String, Integer> wordCounts = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {
        public Integer call(Integer integer, Integer integer2) throws Exception {
            return integer + integer2;
        }
},n); 

指定默認(rèn)配置武氓。請(qǐng)注意:此方式僅對(duì)shuffle后的rdd有效梯皿。即如果沒(méi)有在創(chuàng)建rdd時(shí)指定分區(qū)數(shù),該配置不會(huì)修改初始rdd的分區(qū)數(shù)县恕,但是對(duì)shuffle后的新rdd有效东羹。

補(bǔ)充:我之前有個(gè)疑問(wèn)就是如果不指定分區(qū),shuffle前和shuffle后的分區(qū)是不是變化的弱睦,經(jīng)過(guò)本地測(cè)試百姓,答案是會(huì)變化

conf.set("spark.default.parallelism","n");

本地模式况木。貌似也只對(duì)并行化創(chuàng)建rdd有效,本地demo設(shè)置local[*]旬迹,打印從文件中創(chuàng)建的rdd分區(qū)數(shù)結(jié)果是2火惊。這種方式不用太在意,本地只是測(cè)試用奔垦。

new SparkConf().setMaster(local[n]); //n 表示具體的分區(qū)數(shù)
或
new SparkConf().setMaster(local[*]); //*表示使用cpu core 數(shù)

腳本模式屹耐。沒(méi)研究

  • Spark-shell --conf <key>=<value>
  • Spark-submit --conf <key>=<value>

綜上
建議直接在操作rdd的函數(shù)中指定分區(qū)數(shù),不僅優(yōu)先級(jí)最高椿猎,而且保證準(zhǔn)確性惶岭。

最后編輯于
?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)濱河市犯眠,隨后出現(xiàn)的幾起案子按灶,更是在濱河造成了極大的恐慌,老刑警劉巖筐咧,帶你破解...
    沈念sama閱讀 211,423評(píng)論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件鸯旁,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡量蕊,警方通過(guò)查閱死者的電腦和手機(jī)铺罢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,147評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)残炮,“玉大人韭赘,你說(shuō)我怎么就攤上這事∈凭停” “怎么了泉瞻?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,019評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵脉漏,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我瓦灶,道長(zhǎng)鸠删,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,443評(píng)論 1 283
  • 正文 為了忘掉前任贼陶,我火速辦了婚禮刃泡,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘碉怔。我一直安慰自己烘贴,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,535評(píng)論 6 385
  • 文/花漫 我一把揭開(kāi)白布撮胧。 她就那樣靜靜地躺著桨踪,像睡著了一般。 火紅的嫁衣襯著肌膚如雪芹啥。 梳的紋絲不亂的頭發(fā)上锻离,一...
    開(kāi)封第一講書(shū)人閱讀 49,798評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音墓怀,去河邊找鬼汽纠。 笑死,一個(gè)胖子當(dāng)著我的面吹牛傀履,可吹牛的內(nèi)容都是我干的虱朵。 我是一名探鬼主播,決...
    沈念sama閱讀 38,941評(píng)論 3 407
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼钓账,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼碴犬!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起梆暮,我...
    開(kāi)封第一講書(shū)人閱讀 37,704評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤服协,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后惕蹄,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體蚯涮,經(jīng)...
    沈念sama閱讀 44,152評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)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 36,494評(píng)論 2 327
  • 正文 我和宋清朗相戀三年卖陵,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了遭顶。 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。...
    茶點(diǎn)故事閱讀 38,629評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡泪蔫,死狀恐怖棒旗,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤铣揉,帶...
    沈念sama閱讀 34,295評(píng)論 4 329
  • 正文 年R本政府宣布饶深,位于F島的核電站,受9級(jí)特大地震影響逛拱,放射性物質(zhì)發(fā)生泄漏敌厘。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,901評(píng)論 3 313
  • 文/蒙蒙 一朽合、第九天 我趴在偏房一處隱蔽的房頂上張望俱两。 院中可真熱鬧,春花似錦曹步、人聲如沸宪彩。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,742評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)尿孔。三九已至,卻和暖如春筹麸,著一層夾襖步出監(jiān)牢的瞬間活合,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,978評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工物赶, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留芜辕,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,333評(píng)論 2 360
  • 正文 我出身青樓块差,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親倔丈。 傳聞我的和親對(duì)象是個(gè)殘疾皇子憨闰,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,499評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容