第28讲spark核心编程基本工作原理与rdd_第1页
第28讲spark核心编程基本工作原理与rdd_第2页
第28讲spark核心编程基本工作原理与rdd_第3页
第28讲spark核心编程基本工作原理与rdd_第4页
免费预览已结束,剩余1页可下载查看

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第28讲-Spark核心编程:Spark基本工作原理与RDD 讲师:中华石杉 Spark从入门到精通 (案例实战、高级特性、内核源码、性能调优) 画图讲解Spark的基本工作原理 1、分布式 2、主要基于内存(少数情况基于磁盘) 3、迭代式计算 Spark基本工作原理 1、RDD是Spark提供的核心抽象,全称为Resillient Distributed Dataset,即弹 性分布式数据集。 2、RDD在抽象上来说是一种元素集合,包含了数据。它是被分区的,分为多个 分区,每个分区分布在集群中的不同节点上,从而让RDD中的数据可以被并行 操作。(分布式数据集) 3、RDD通常通过Hadoop上的文件,即HDFS文件或者Hive表,来进行创建;有 时也可以通过应用程序中的集合来创建。 4、RDD最重要的特性就是,提供了容错性,可以自动从节点失败中恢复过来。 即如果某个节点上的RDD partition,因为节点故障,导致数据丢了,那么RDD 会自动通过自己的数据来源重新计算该partition。这一切对使用者是透明的。 5、RDD的数据默认情况下存放在内存中的,但是在内存资源不足时,Spark会 自动将RDD数据写入磁盘。(弹性) RDD以及其特点 1、核心开发:离线批处理 / 延迟性的交互式数据处理 2、SQL查询:底层都是RDD和计算操作 3、实时计算:底层都是RD

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论