- 博客(3)
- 收藏
- 关注
原创 Spark的任务调度流程(Driver 内部运行流程)
Spark的核心是基于RDD来实现的,Spark任务调度就是如何组织任务去处理RDD中每个分区的数据,根据RDD的依赖关系构建DAG,基于DAG划分Stage,然后将每个Stage中的任务(Task)分发到指定的节点去运行得到最终的结果。然后把每个阶段的线程放置到一个TaskSet中, 提交给TaskScheduler , TaskScheduler遍历每一个TaskSet , 将其尽可能均衡地分配给 Executor 来运行, 最后Driver 进行监控管理即可.一个TaskSet对应的调度阶段。
2023-04-04 16:46:11 394
原创 数仓建模的思考点
(2) 雪花模型: 雪花模型是当有一个或多个维表没有直接连接到事实表上,而是通过其他维表连接到事实表上时,其图解就像多个雪花连接在一起,故称雪花模型。实际应用中 给到你的源数据, 你针对你负责的主题进行确定你需要的表, 再对你的表进行区分事实表跟维度表。,因为很多数据仓库都是多个事实表的。所以星座模型只反映是否有多个事实表,他们之间是否共享一些维度表。事实表就是销量表,维度表就是地区表。(1)星型模型: 一张事实表对应多张维度表, 如下图。(3)星座模型: 多个事实表共享维度表, 如下图。
2023-04-03 15:43:12 98 1
原创 数仓DWD层(明细层-data warehouse detail)的构建
(2)事实表跟维度表:事实表是指其中保存了大量业务度量数据的表,是数仓最核心的表。比如说你做一个销售主题,那么ods中的 订单详情表 就是事实表,而 产品分类表、区域表、店铺表就是维度表。比如我有100w用户,用户表记录了他们的状态,如果部分用户状态每天都有更新,我采用每天存全量用户数据的方式来记录历史和更新的状态,这样极大浪费存储空间,我用拉链表的话,每天把跟新用户的数据插入到用户表,这样既保留了历史数据,并且使存储最为节约。总结: 这层主要是清洗、转换数据,区分事实表跟维度表构建拉链表。
2023-02-10 13:30:47 594
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人