标签：map union 分区 reducebykey shuffer 算子 Spark stage

1. 比如两个rdd 两个分区合并去他们的并集 intersection 去数据的交集 subtract去差集
2. mappartition与map像是遍历的单位是每个pation分区的数据进来的是iterrter是迭代器
3. distinct去重(map+reducebykey+map)
4. cogroup 作用在keyv格式上的算子
5. 宽依赖产生shuffer 也就是说和磁盘还打交道
6. stage是由一组并行的task组成碰到宽依赖会划分一个stage
7. mapreduce每一度都落地磁盘 spark是shuffer调优做好基于内存还是挺快的]
8. shuffer write的时候 两个并行的task处理的管道数据才落地
9. stage的并行度由finalrdd的partion决定的
10. 1 提高stage的并行度
11. 方法 reducebykey(numpartion分区)就能决定
12. 方法2 jion(numpartion)也可以决定
13. 如何改变rdd的分区数量
14. reducebykey groupbykey
15. stage的切割规则是从后往前 遇到宽依赖算子就切割
16. 碰到action算子有个job 将job切成stage 划分stage 形成一个新的dag 通过taskset 发送到taskscheduler 发送taske 到worker端去工作
17. 资源调度和任务调度

1. coalesec算子是可以指定分区产生不产生shuffe repartition就是coalsec的一个封装 repartition多用于争夺分区 cosecse多用于减少分区1 使用 cosec如果由少的分区
2. 到多的分区的话 还不让他产生shuffer是不起作用的

1. 默认不设置exctoer的话默认启动一个每个worker上
2. Client模式默认是启动两个core 核是用1G内存

标签：map,union,分区,reducebykey,shuffer,算子,Spark,stage
来源： https://www.cnblogs.com/Mr--zhao/p/12212816.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。