文章目录
1、RDD依赖
Spark中RDD的高效与DAG图有着莫大的关系,在DAG调度中需要对计算过程划分stage,而划分依据就是RDD之间的依赖关系。
Lineage:血统、遗传。RDD最重要的特性之一,保存了RDD的依赖关系;RDD实现了基于Lineage的容错机制。
1.1 依赖关系
RDD之间的依赖关系分为窄依赖(narrow dependency)和宽依赖(wide dependency,也称shuffle dependency)。
1.2 窄依赖
窄依赖:一个父RDD的分区被子RDD的一个分区使用。表现为:
-
1个子RDD的分区对应于1个父RDD的分区,比如map,filter,union等算子
-
1个子RDD的分区对应于N个父RDD的分区,比如co-partioned join
1.3 宽依赖
宽依赖:一个父RDD的分区被子RDD的多个分区使用。
- 宽依赖一般是对RDD进行groupByKey,reduceByKey,sortByKey等操作,就是对partition中的数据进行重分区(shuffle)。