src
须知:
- 同一个stage内,rdd的分区数由最后1个rdd分区数决定。
example:一个stage内有多个rdd,最后一个rdd执行了coalesce。那所有rdd的分区数都是1,即使使用repartition(40)也没作用。 - 情况分为spark-shell,local,yarn3种情况。跟spark.default.parallelism,spark.default.minPartitions,文件的block数有关
spark.default.parallelism
本地运行时:
起作用
本地运行没配置sdp
spark-shell和local一样,都是1
local[n],为n
local[],为
从本地创建文件
textFile方法也可以从本地创建rdd。分为大小文件2种情况。大文件就是block数>=2的文件。
yarn
内存创建的rdd,总core数或者2,取大。
使用textFile,csv等方法读取hdfs文件
注意:sc.textFile(path, minPartitions),第二个参数时最小分区数,不是分区数。
rdd的分区数 = max(hdfs文件的block数目, sc.defaultMinPartitions)
通过hive表创建的df
亲测:不管spark.default.parallelism的数量大于还是小于block数,分区数都为block数。