大数据实时计算Spark学习笔记（8）—— RDD 持久化

1 RDD 持久化

• 跨操作进行RDD的内存式存储；
• 持久化 RDD时，节点上的每个分区都会保存到内存中；
• 缓存技术是迭代计算和交互式查询的重要工具；
• 使用 persist() 和 cache() 进行 RDD 的持久化，cache() 是 perisit() 的一种；
• action 第一次操作时会发生 persist()
• spark的 cache是容错的，如果RDD的任何一个分区丢失了，都可以通过最初创建 的RDD 重新计算；
• persist 可以使用不同的存储级别进行持久化；

1.1 删除持久化数据

• rdd.unpersist()

2 Spark累加器，广播变量

• 启动集群
  
• spark shell 连接到集群
  

2.1 数据传递

• map,filter等的高阶函数中访问的对象被串行化到各个节点。每个节点都有一份拷贝
• 变量值并不会回传到 driver 程序

2.2 共享变量

• spark 通过广播变量和累加器实现共享变量
  
• 累加器