原创力文档- 1、本文档共59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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第5章Spark分布式计算框架;?Spark背景;Spark背景;Spark背景;;;JVM和任务管理优化：
Spark基于JVM（JavaVirtualMachine）进行了优化。Hadoop每次MapReduce操作，启动一个Task便会启动一次JVM，这是基于进程的操作；
而Spark每次MapReduce操作是基于线程的，只在启动Executor启动一次JVM，内存的Task操作是在线程复用的。
每次启动JVM的时间可能就需要几秒甚至十几秒，那么当Task多了，Hadoop就比Spark花了更多时间。;;;;?Spark生态系统;Spark生态系统;;（3）Spark引入弹性分布式数据集（ResilientDistributedDatasets，RDD），实现了应用任务的调度、RPC、序列化和压缩，并为运行在其上层的组件提供API，另外这些对象集合是弹性的，若有部分数据集丢失，它可根据“血统”对丢失部分进行重建，提高数据的容错性。
（4）Spark优先考虑使用各节点的内存作为存储，当内存不足时才会考虑使用磁盘，这极大地减少了访问磁盘次数，提升了任务执行的效率，使得Spark适用于实时计算、流式计算等场景。;;;;;Spark生态系统;;?Spark运行架构;Spark运行架构;;;;;;;;;;;;;;;;;;;;;;;?程序示例;程序示例;程序示例;程序示例;程序示例;;//将每一个单词，映射为（单词，1）的这种格式
JavaPairRDDString,Integerpairs=words.mapToPair(newPairFunctionString,String,Integer(){
privatestaticfinallongserialVersionUID=1L;
@Override
publicTuple2String,Integercall(Stringword)throwsException{
returnnewTuple2String,Integer(word,1);
}
});
//以单词作为key，统计每个单词出现的次数
JavaPairRDDString,IntegerwordCounts=pairs.reduceByKey(newFunction2lnteger,Integer,Integer(){
privatestaticfinallongserialVersionUID=1L;
@Override
publicIntegercall(Integerv1,Integerv2)throwsException{
returnv1+v2;
}
});
//输出WordCount结果
wordCounts.foreach(newVoidFunctionTuple2String,Integer(){
privatestaticfinallongserialVersionUID=1L;
@Override
publicvoidcall(Tuple2String,IntegerwordCount)throwsException{
System.out.println(wordCount);
}
});
sc.close();
}};;程序示例;程序示例;程序示例;?本章小结;;?本章习题;
文档评论（0）