object Test_foreach {
def main(args: Array[String]): Unit = {
// 获取spark上下问环境
val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("foreach-test")
val sparkContext = new SparkContext(sparkConf)
// 测试算子map
// 1.从集合中获取数据
val rdd: RDD[Int] = sparkContext.makeRDD(List(1, 2, 3, 4))
rdd.collect().foreach(println)
println("====================")
rdd.foreach(println)
// 关闭连接
sparkContext.stop()
}
}
代码结果如下
首先看第一个foreach方法是有顺序按照分区输出数据的,rdd的collect()方法会把数据按照分区从多个Exector端点收集数据,然后返回到Driver端点Scala集合对象的foreach方法打印结果。
而第二个foreach是直接在Exector端点执行RDD方法foreach,因为多个Exector可以并发执行因此打印顺序会不确定。
因此可以得出结论:如果执行的是RDD的方法,也就是算子时是在多个Exector节点运行的,而执行Scala方法则是在Driver端执行
程序中RDD外部的操作就是在Driver端执行的,RDD内部的操作就是在Exector端执行的,程序中的打印分割线的println("============")就是在Driver端执行。