2023学年完整公开课版设置分区_第1页
2023学年完整公开课版设置分区_第2页
2023学年完整公开课版设置分区_第3页
2023学年完整公开课版设置分区_第4页
2023学年完整公开课版设置分区_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

主讲:孟繁兴01目录分区方式02设置分区个数03自定义分区分区方式Spark框架为RDD提供了两种分区方式,分别是哈希分区(HashPartitioner)和范围分区(RangePartitioner)。哈希分区是根据哈希值进行分区;范围分区是将一定范围的数据映射到一个分区中。这两种分区方式已经可以满足大多数应用场景的需求。与此同时,Spark也支持自定义分区方式,即通过一个自定义的Partitioner对象来控制RDD的分区,从而进一步减少通信开销。设置分区个数(1)创建RDD时手动指定分区个数在调用textFile()和parallelize()方法的时候手动指定分区个数即可,语法格式如下:sc.textFile(path,partitionNum)其中,path参数用于指定要加载的文件的地址,partitionNum参数用于指定分区个数。

scala>valarray=Array(1,2,3,4,5)scala>valrdd=sc.parallelize(array,2)//设置两个分区设置分区个数(2)使用reparititon方法重新设置分区个数通过转换操作得到新RDD时,直接调用repartition方法即可。例如:scala>valdata=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt",2)data:org.apache.spark.rdd.RDD[String]=file:///usr/local/spark/mycode/rdd/word.txtMapPartitionsRDD[12]attextFileat<console>:24scala>data.partitions.size//显示data这个RDD的分区数量res2:Int=2scala>valrdd=data.repartition(1)//对data这个RDD进行重新分区rdd:org.apache.spark.rdd.RDD[String]=MapPartitionsRDD[11]atrepartitionat:26scala>rdd.partitions.sizeres4:Int=1自定义分区Spark提供了自带的HashPartitioner(哈希分区)与RangePartitioner(区域分区),能够满足大多数应用场景的需求。与此同时,Spark也支持自定义分区方式,即通过提供一个自定义的Partitioner对象来控制RDD的分区方式,从而利用领域知识进一步减少通信开销。要实现自定义分区,需要定义一个类,这个自定义类需要继承org.apache.spark.Partitioner类,并实现下面三个方法:numPartitions:Int返回创建出来的分区数getPartition(key:Any):Int返回给定键的分区编号(0到numPartitions-1)equals()Java判断相等性的标准方法案例实例:根据key值的最后一位数字,写到不同的文件例如:10写入到part-0000011写入到part-00001...19写入到part-00009importorg.apache.spark.{Partitioner,SparkContext,SparkConf}//自定义分区类,需要继承org.apache.spark.Partitioner类classMyPartitioner(numParts:Int)extendsPartitioner{//覆盖分区数

overridedefnumPartitions:Int=numParts

//覆盖分区号获取函数

overridedefgetPartition(key:Any):Int={key.toString.toInt%10}}objectTestPartitioner{defmain(args:Array[String]){

valconf=newSparkConf()

valsc=newSparkContext(conf)//模拟5个分区的数据

valdata=sc.parallelize(1to10,5)//根据尾号转变为10个分区,分别写到10个文件

data.map((_,1)).partitionBy(

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