仔细研究每一个算子的含义和运行原理,汇总不同算子的适用场景,总结哪些算子会引入 Shuffle,对比同类功能算子的差异与优劣势,比如 map 和 mapPartitions,再比如 groupByKey、reduceByKey 和 aggregateByKey。
SparkContext 的初始化是 Driver 应用程序提交执行的前提
Spark Driver 的初始化始终围绕着 SparkContext 的初始化。 SparkContext 可以算得上是所
有 Spark 应用程序的发动机引擎,轿车要想跑起来,发动机首先要启动。 SparkContext 初始
化完毕,才能向 Spark 集群提交任务。
而 SparkContext 的配置参数则由 SparkConf 负责, SparkConf 就是你的操作面板
为什么需要RDD
- 数据处理模型
- 依赖划分原则
- 数据处理效率
- 容错处理