cache 将数据临时存储在内存中进行数据重用
会在血缘关系中添加新的依赖,一旦出现问题,可以重头读取数据
persist:将数据临时存储在磁盘文件中进行数据重用
涉及到磁盘IO,性能较低,但是数据安全
如果作业执行完毕,临时保存的数据文件就会丢失
会在血缘关系中添加新的依赖,一旦出现问题,可以重头读取数据
checkpoint 将数据长久地保存在磁盘文件中进行数据重用
涉及到磁盘IO,性能较低,但是数据安全
为了保证数据安全,所以一般情况下,会独立执行作业(在原有的job上重新起动一个job)
为了能够提高效率,一般情况下,是需要跟cache联合使用的(这样就不独立执行了)
执行过程中,会切血缘关系,重新建立新的血缘关系
checkpoint等同于改变数据源
源码:
![](https://img-blog.csdnimg.cn/img_convert/4e0229f496f61ad5153e71feb8b74872.png)
![](https://img-blog.csdnimg.cn/img_convert/0128fd5b5f08f6ba2cadd75644f425b2.png)
![](https://img-blog.csdnimg.cn/img_convert/055fc30c90921fb80a47ea364df073b7.png)
![](https://img-blog.csdnimg.cn/img_convert/39852fde07cd8a20938ae5a0b66aaa68.png)
![](https://img-blog.csdnimg.cn/img_convert/fbaf0768dcfdb130153a558d55549605.png)
当dagScheduler.runJob执行之后,执行了rdd.doCheckpoint操作
![](https://img-blog.csdnimg.cn/img_convert/744447f26d7ad58649b992c6b245e1d2.png)
![](https://img-blog.csdnimg.cn/img_convert/ea4ed1e28af367db502e70f692a05abf.png)
![](https://img-blog.csdnimg.cn/img_convert/062f1996a365d49df4c8e5c24c22285f.png)
![](https://img-blog.csdnimg.cn/img_convert/63429e878b36d84b864cea388225d428.png)
在底层又再一次提交了job因此会执行两次job
![](https://img-blog.csdnimg.cn/img_convert/9e1c8fbd99dbd94ce35e3c9f4d41d02d.png)