- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
技术创新,变革未来
Spark Core技术平台详解
内容
Spark RDD
Spark Operation
RDD容错与持久化
Spark优化
Spark例子
Spark RDD
Resilient Distributed Dataset (RDD):
分布式数据集 (分布在集群、已分区的)
存储在内存或磁盘上
只读的,不可变
自动重建 (容错)
有两类操作
transformations
actions
Spark Transformations and Actions
transformations
通过其他RDD构建新的RDD
map, filter, join
lazy operation
actions
返回计算结果或者保存到文件系统
count, collect, save
triggers execution
Spark Transformations and Actions
Spark RDD Transformations
Spark RDD Transformations
Spark RDD Actions
Spark Pair RDD Transformations
Spark Pair RDD Transformations
Spark RDD Lineage
val inputRDD = sc.textFile(log.txt)
val errorsRDD = inputRDD.filter(line =
line.contains(error))
val warningsRDD = inputRDD.filter(line
= line.contains(“warning))
badLinesRDD =
errorsRDD.union(warningsRDD)
println(Input had +
badLinesRDD.count() + concerning
lines)
An RDD has enough information about how it was derived
from other datasets(its lineage)
RDD容错
通过RDD Lineage,重新计算丢失的数据,如
messages = textFile(...).filter(_.contains(“error”))
.map(_.split(‘\t’))
HadoopRDD FilteredRDD MappedRDD
path = hdfs://… func = _.contains(...) func = _.split(…)
RDD Persistence
缓存级别
memory_only (default), memory_and_disk等
API
您可能关注的文档
最近下载
- 云南镇沅金矿石浮选试验报告.doc VIP
- 大型载重车辆“油改气”项目方案介绍.pdf VIP
- 四上语文1-8单元高频考点通关检测(8页).pdf VIP
- 水泥化学分析习题及答案.doc VIP
- 2022年南京信息职业技术学院高职单招语文/数学/英语考试题库含答案解析.docx VIP
- 广东省广州市南沙区2023-2024学年八年级上学期期末考试英语试题(含答案).docx VIP
- 平面的基本性质及推论多媒体教学课件.ppt VIP
- 【复旦大学-高级病理生理学学习】_模式识别受体_20200425234131.pdf VIP
- 高中数学《函数的奇偶性》说课稿新人教A版必修1 .pdf VIP
- 膈肌膨升症麻醉病例讨论.ppt VIP
原创力文档


文档评论(0)