map和mapPartitions的区别
map用于处理RDD的每个元素,mapPartitions是用于处理RDD的每个分区
map和foreach的区别
- map属于transformation算子,foreach属于action算子
- map有返回值,foreach没有返回值map有返回值,foreach没有返回值
- map常用于将某个RDD做元素的处理,foreach常用于作为结果的输出到其他的存储系统中
foreach和foreachPartition
foreach是针对于RDD的每个元素进行操作,foreachPartition是针对RDD的每个分区进行操作的。
从优化层面讲,foreachPartition用于存储大量结果数据的场景,可以一个分区对应一个数据库的连接,这样就可以减少很多数据库的连接
rdd.foreachPartition(partition => {
val conn = … //数据库连接
partition.foreach(func)//进行存储
})
groupByKey和reduceByKey的区别
groupByKey不会再分区内进行操作,只会在全局进行操作。
而reduceByKey即会在分区内进行操作,也会在全局进行操作,看源码可以看到reduceByKey中调用的是combineByKeyWithClassTag方法,reduceByKey的局部和全局操作的函数相同
//com