2023学年完整公开课版RDD的创建简介_第1页
2023学年完整公开课版RDD的创建简介_第2页
2023学年完整公开课版RDD的创建简介_第3页
2023学年完整公开课版RDD的创建简介_第4页
2023学年完整公开课版RDD的创建简介_第5页
已阅读5页，还剩3页未读， 继续免费阅读

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

目录RDD简介RDD从创建到执行的过程21222RDD简介

RDD是弹性分布式数据集（resilientdistributeddataset）的简称

，它是一个元素集合，被分区地分布到集群的不同节点上，可以被并行操作。RDD可以从hdfs(或者任意其他的支持Hadoop的文件系统)上的一个文件开始创建，或者通过转换驱动程序中已经存在的集合得到。用户也可以让spark将一个RDD持久化到内存中，使其能再并行操作中被有效地重复使用，最后RDD能自动从节点故障中恢复。

RDD简介

从以下五个方面理解RDD：

1.RDD是Spark的核心抽象，全称为ResillientDistributedDataset，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(分区即partition)，从而让RDD中的数据可以被并行操作。(分布式的特性)。3.RDD通常通过Hadoop上的文件，即HDFS文件，来进行创建；有时也可以通过Spark应用程序中的集合来创建。RDD简介

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RDDpartition，因为节点故障，导致数据丢失，那么RDD会自动通过自己的数据来源重新计算partition。

5.RDD的数据默认的情况下是存放在内存中的，但是在内存资源不足时，Spark会自动将RDD数据写入磁盘。(弹性的特性)。RDD从创建到执行的过程

RDD从创建到执行的过程见下图:RDD从创建到执行的过程

创建RDD有二种方式：一、读取外部数据集或在驱动器程序中对一个集合进行并行化，例如：lines=sc.parallelize(["pandas","apple"])//Pythonvallines=sc.parallelize(list("pandas","apple"))//ScalaJavaRDD<String>lines=sc.parallelize(Arrays.aslist("pandas","apple"));//JavaRDD从创建到执行的过程

二、从外部存储中读取数据来创建RDD。例如：

lines=sc.textFile("/path/test.txt")//python中的textFile()vallines=sc.textFile("/path/test.txt")//Scala中的textFile()JavaRDD<String>lines=sc.textFile("/path/test.txt");//Java中的textFile()RDD从创建到执行的过程

RDD典型的执行过程如下：1、RDD读入外部数据源进行创建，利于使用textFile函数加载本地数据；2、RDD经过一系列的转换（Transformation）操作，每一次都会产生不同的RDD，供给狭义转

人人文库> 全部分类> 教育资料 > 辅导培训

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。

最新文档

评论

0/150

提交评论