先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
正文
* 应用程序可以包含多个 Job,并且可以跨多个阶段进行分布式计算。
-
Job(作业):
- Job 是应用程序中的一个独立任务单元,由用户定义的操作组成。
- Job 定义了数据的转换和操作,可以包含多个 Stage。
-
Stage(阶段):
- Stage 是 Job 的子任务单位,有两种类型:Shuffle Stage 和 Result Stage。
- Shuffle Stage 包含需要进行数据洗牌的操作,如 groupByKey、reduceByKey 等。
- Result Stage 包含没有数据洗牌的操作,如 map、filter 等。
- Stage 通过依赖关系构成有向无环图(DAG),描述了数据的转换和操作流程。
-
TaskSet(任务集合):
- TaskSet 是一个 Stage 中所有任务的集合。
- TaskSet 中的任务是并行执行的,每个任务对应一部分数据的处理。
- TaskSet 由 Driver 创建,并发送给 TaskScheduler 进行调度和执行。
-
Task(任务):
- Task 是 Spark 中最小的执行单元,对应于一个数据分区的处理。
- 一个 Stage 中的任务数等于分区数,每个任务负责处理一个数据分区。
- 任务在 Executor 上执行,加载数据并执行用户定义的操作。
-
DAGScheduler(有向无环图调度器):
- DAGScheduler 负责将应用程序转化为有向无环图(DAG)的形式。
- 它根据任务之间的依赖关系,将 Job 划分为多个 Stage,并确定它们的执行顺序。
- DAGScheduler 将任务发送给 TaskScheduler 进行调度和执行。
-
TaskScheduler(任务调度器):
- TaskScheduler 是 Spark 中的任务调度器,负责将任务分发给 Executor 进程执行。
- 它根据资源需求和可用资源,将任务分配给合适的 Executor 进程。
- TaskScheduler 还负责监控任务的执行状态,处理任务失败和重试等情况。
关系:一个Driver可以产生多个Application;一个Application可以产生多个Job;一个Job对应多个Stage;一个Stage对应一个TaskSet(TaskSet是Stage内部调度的基本单位);一个Stage对应多个Task(一个TaskSet为一组Task集合);一个Task对应一个分区;
每个Application都有自己独立的执行环境和资源分配,它们之间相互独立,互不干扰。每个Application都会有自己的SparkContext,用于与集群进行通信和资源管理。
如有错误,欢迎指出!!!
如有错误,欢迎指出!!!
如有错误,欢迎指出!!!
扩展文章推荐:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**