为什么要做checkpoint?
1.运行出的中间结果往往很重要,所以为了保证数据的安全性,要checkpoint
2.最好把checkpoint到hdfs中,这样便于该集群所有的节点访问到
3.在checkpoint之前最好先cache一下,这样先把数据放到缓存中。便于运行任务的调用,也便于在checkpoint的时候直接从缓存拿到数据
在什么时候做checkpoint?
在发生shuffle之后做checkpoint
checkpoint步骤:
1.建立checkpoint存储目录
sc.setCheckpointDir("hdfs://Master4:9000/ck0001")
2.rdd1.cache()
3.rdd1.checkpoint()
事例测试:
1、启动spark-shell
|
2.设置checkpoint目录
|
3.读取wc目录下的文件,统计词频<