zoukankan      html  css  js  c++  java
  • Spark union

    1. 比如两个rdd 两个分区合并去他们的并集 intersection 去数据的交集 subtract去差集
    2. mappartition与map像是遍历的单位是每个pation分区的数据进来的是iterrter是迭代器
    3. distinct去重(map+reducebykey+map)
    4. cogroup 作用在keyv格式上的算子
    5. 宽依赖产生shuffer 也就是说和磁盘还打交道
    6. stage是由一组并行的task组成碰到宽依赖会划分一个stage
    7. mapreduce每一度都落地磁盘 spark是shuffer调优做好基于内存还是挺快的]
    8. shuffer write的时候 两个并行的task处理的管道数据才落地
    9. stage的并行度由finalrdd的partion决定的
    10. 1 提高stage的并行度
    11. 方法 reducebykey(numpartion分区)就能决定
    12. 方法2 jion(numpartion)也可以决定
    13. 如何改变rdd的分区数量
    14. reducebykey groupbykey
    15. stage的切割规则是从后往前 遇到宽依赖算子就切割
    16. 碰到action算子有个job 将job切成stage 划分stage 形成一个新的dag 通过taskset 发送到taskscheduler 发送taske 到worker端去工作
    17. 资源调度和任务调度

     

     

    1. coalesec算子是可以指定分区产生不产生shuffe repartition就是coalsec的一个封装 repartition多用于争夺分区 cosecse多用于减少分区1 使用 cosec如果由少的分区
    2. 到多的分区的话 还不让他产生shuffer是不起作用的

     

     

    1. 默认不设置exctoer的话默认启动一个每个worker上
    2. Client模式默认是启动两个core 核是用1G内存
  • 相关阅读:
    正则表达式
    git指令
    前端测试 Jest/(Mocha) Typescript/Javascript Vueunitstest
    mpvue使用wxcharts.js显示各类图表
    css margintop 失效
    reduce 黑科技
    vue cli 项目创建
    css实现垂直水平居中
    MySQL基础教程之存储过程
    4组Alpha冲刺2/6
  • 原文地址:https://www.cnblogs.com/Mr--zhao/p/12212816.html
Copyright © 2011-2022 走看看