u012860967的博客

Spark 是加州大学伯克利分校A岛。实验室（ Algorithms 、Machines and People Lab ）开发的通用大数据处理框架。Spark 生态系统也称为BDAS ， 是伯克利APM 实验室所开发的，力图在算法（ Algorithms ）、机器（ Machines ）和人（ People ） 三者之间通过大规模集成来展现大数据应用的一个开源平台。以下内容是对加州大学伯克利分校论...

摘要RDD，弹性分布式数据集，是spark的底层数据结构。RDD是一个容错的，可以被并行操作的数据集合。RDD的特点之一是分布式存储，它的好处就是数据存储在不同的节点上，当需要数据进行计算的时候可以在这些节点上并行操作。弹性表现在节点在存储RDD数据的时候，既可以存储在内存中，也可以存储在磁盘上，也可以两者结合使用。RDD还有个特点就是延迟计算，当是transformation算子的时候，并不...

1、前言RDD具有延迟计算的特性，当操作是transformation算子的时候，并不执行操作，直到遇到action算子的时候才开始执行计算。Spark会根据Action操作之前一系列Transform操作的关联关系，生成一个DAG，在后续的操作中，对DAG进行Stage划分，生成Task并最终运行。表1Spark中支持的RDD转换（transformation算子）和动作（actio...