原创力文档- 1、本文档共11页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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
Spark RDD 分区
目录Spark RDD 分区shuffle与Partition关系21222
Spark RDD 分区1
Spark RDD 分区 Spark RDD分区是并行计算的一个计算单元，RDD在逻辑上被分为多个分区，分区的格式决定了并行计算的粒度，任务的个数是由最后一个RDD的分区数决定的。最后一个RDD的分区数任务的个数
Spark RDD 分区spark自带的分区HashPartitionerRangerPartitioner
Spark RDD 分区 初始数据是没有分区的，数据分区只作用于key value这样的RDD上，当一个Job包含Shuffle操作类型的算子时，如groupByKey，reduceByKey等，使用数据分区的方式进行分区，即确定key放在哪一个分区。
shuffle与Partition关系2
shuffle与Partition关系 Spark Shuffle阶段Shuffle Write阶段Shuffle Read阶段
shuffle与Partition关系 在Shuffle Write阶段中，Shuffle Map Task对数据进行处理产生中间数据，然后再根据数据分区方式对中间数据进行分区。 最终Shffle Read阶段中的Shuffle Read Task会拉取Shuffle Write阶段中产生的并已经分好区的中间数据。
shuffle与Partition关系 下图中描述了Shuffle阶段与Partition关系：
文档评论（0）