The Internals Of Apache Spark 3.0.0 笔记 --TODO
原文(https://books.japila.pl/apache-spark-internals/apache-spark-internals/index.html)
Resilient Distributed Dataset
- 弹性分布式数据集,spark core模块对于数据集的核心抽象
- RDD 就是对于分布式环境中一组可以容错的、弹性计算的数据集合的描述:
- 容错:指当有一台服务器有问题、或者某个计算出错时,可以在其他服务器重新计算
- 弹性 :通过RDD血缘图(依赖关系)可以重新计算一些丢失或者损坏的分区
- 分布式: 数据集分布在集群中的很多服务器节点上。