Spark RDD的概念

Resilient Distributed Dataset :弹性分布式数据集
五大特性:
1,A list of partitions
   是由一系列一片连续的数据组成的;
   一个partitions只能是在一个节点上;
   一个节点可以有多个partitions;
   每个partitions的数据是不一样的;
2,A function for computing each split
   一般情况下,一个partitions对应一个split(block size)
   也就是说一个partitions会对应function,说明并行计算
3,A list of dependencies on other RDDs
   一个RDD是依赖之前的RDD,这样做主要是为了容错,重新计算
4,Optionally, a Partitioner for key-value RDDs
   可以重新分配partitions
5,Optionally, a list of preferred locations to compute each split on
   最好的情况是这一系列partitions是基于本地的,这样就会对应的一个本地的计算
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值