RDD的五大特性及注意事项

(Resilient Distributed Dateset)，弹性分布式数据集

1. RDD由一系列的partition组成,有多少个partition就有多少个task;

2. 函数作用在每个partition(split)上;

3. RDD有一系列的依赖关系; 子RDD的数据来源为父RDD

4. 分区器作用在(K,V)键值对的RDD上;

5. RDD提供一系列的最佳计算位置

 

注意：

textFile方法底层封装的是读取MR读取文件的方式，读取文件之前先split，默认split大小是一个block大小。

 

什么是K,V格式的RDD?

如果RDD里面存储的数据都是二元组对象，那么这个RDD我们就叫做K,V格式的RDD。

 

哪里体现RDD的弹性（容错）？

partition数量，大小没有限制，体现了RDD的弹性。

RDD之间依赖关系，可以基于上一个RDD重新计算出RDD。

 

哪里体现RDD的分布式？

RDD是由Partition组成，partition是分布在不同节点上的。

RDD提供计算最佳位置，体现了数据本地化。体现了大数据中“计算移动数据不移动”的理念。