1.1 Spark-RDD存儲機制以及特性

RDD的存儲機制:

  • 其數(shù)據(jù)分布存儲在多臺機器上烦周,都是以block的形式存儲在服務(wù)器上。每個Executor都會啟動一個BlockManagerSlave怎顾,并且管理一部分block;block的元數(shù)據(jù)保存在Driver的BlockManagerMaster上读慎,當(dāng)BlockManagerSlave產(chǎn)生block之后就會向BlockManagerMaster注冊該block。RDD的partion是一個邏輯數(shù)據(jù)塊槐雾,對應(yīng)相應(yīng)的物理數(shù)據(jù)塊block贪壳。具體流程如下:


    RDD數(shù)據(jù)存儲機制

1.分區(qū)列表性

  /**
   * Implemented by subclasses to return the set of partitions in this RDD. This method will only
   * be called once, so it is safe to implement a time-consuming computation in it.
   *
   * The partitions in this array must satisfy the following property:
   *   `rdd.partitions.zipWithIndex.forall { case (partition, index) => partition.index == index }`
   */
 protected def getPartitions: Array [Partition]

2.依賴其他RDD,血緣關(guān)系

  /**
   * Implemented by subclasses to return how this RDD depends on parent RDDs. This method will only
   * be called once, so it is safe to implement a time-consuming computation in it.
   */
 protected def getDependencies: Seq [Dependency[_]]= deps

3.每個分區(qū)都有一個函數(shù)計算

  /**
   * :: DeveloperApi ::
   * Implemented by subclasses to compute a given partition.
   */
  @DeveloperApi
  def compute(split: Partition, context: TaskContext): Iterator[T]

4.key-value的分區(qū)器

  /** Optionally overridden by subclasses to specify how they are partitioned. */
  @transient val partitioner: Option[Partitioner] = None

5.每個分區(qū)都有一個分區(qū)位置列表

/**
* Optionally overridden by subclasses to specify placement preferences.
* 可選的蚜退,輸入?yún)?shù)是 split分片,返回的是一組優(yōu)先的節(jié)點位置彪笼。例如hdfs的block位置
*/
protected def getPreferredLocations(split: Partition): Seq[String] = Nil
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末钻注,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子配猫,更是在濱河造成了極大的恐慌幅恋,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,734評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件泵肄,死亡現(xiàn)場離奇詭異捆交,居然都是意外死亡淑翼,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,931評論 3 394
  • 文/潘曉璐 我一進(jìn)店門品追,熙熙樓的掌柜王于貴愁眉苦臉地迎上來玄括,“玉大人,你說我怎么就攤上這事肉瓦≡饩” “怎么了?”我有些...
    開封第一講書人閱讀 164,133評論 0 354
  • 文/不壞的土叔 我叫張陵泞莉,是天一觀的道長哪雕。 經(jīng)常有香客問我,道長鲫趁,這世上最難降的妖魔是什么斯嚎? 我笑而不...
    開封第一講書人閱讀 58,532評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮挨厚,結(jié)果婚禮上堡僻,老公的妹妹穿的比我還像新娘。我一直安慰自己幽崩,他們只是感情好苦始,可當(dāng)我...
    茶點故事閱讀 67,585評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著慌申,像睡著了一般陌选。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上蹄溉,一...
    開封第一講書人閱讀 51,462評論 1 302
  • 那天咨油,我揣著相機與錄音,去河邊找鬼柒爵。 笑死役电,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的棉胀。 我是一名探鬼主播法瑟,決...
    沈念sama閱讀 40,262評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼唁奢!你這毒婦竟也來了霎挟?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,153評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后檐嚣,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體病涨,經(jīng)...
    沈念sama閱讀 45,587評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡熬北,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...
    茶點故事閱讀 37,792評論 3 336
  • 正文 我和宋清朗相戀三年疙描,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片讶隐。...
    茶點故事閱讀 39,919評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡起胰,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出整份,到底是詐尸還是另有隱情待错,我是刑警寧澤,帶...
    沈念sama閱讀 35,635評論 5 345
  • 正文 年R本政府宣布烈评,位于F島的核電站火俄,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏讲冠。R本人自食惡果不足惜瓜客,卻給世界環(huán)境...
    茶點故事閱讀 41,237評論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望竿开。 院中可真熱鬧谱仪,春花似錦、人聲如沸否彩。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,855評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽列荔。三九已至敬尺,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間贴浙,已是汗流浹背砂吞。 一陣腳步聲響...
    開封第一講書人閱讀 32,983評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留崎溃,地道東北人蜻直。 一個月前我還...
    沈念sama閱讀 48,048評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像袁串,于是被迫代替她去往敵國和親概而。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,864評論 2 354

推薦閱讀更多精彩內(nèi)容