HDFS数据存储,文件块与spark的分区概念

18 篇文章 3 订阅

HDFS中数据以文件块的形式存储在DataNode上,

比如一个1GB的数据文件,会切分成多个128M的文件块,

数据写入存储的时候,每个128M文件块会存放在一个DataNode上,

同时通过机架感知,在最近的两个DataNode节点上分别存放2个副本文件。

ps:极限情况,如果128M文件块的个数超过DataNode的个数,会随机选出DataNode存放多余的文件块,但是一个128M文件块只存储在一个DataNode中,机架感知出最近的两个DataNode存放其副本。

这样spark在读取HDFS数据进行计算的时候,先通过hadoop获取每个文件块所在的DataNode节点位置,然后把每个文件块从各自所处节点的磁盘传输到各自所处节点的RAM中,这样每个节点的RAM中的128M文件块的数据,就构成spark的一个分区数据,交给executor的一个core去计算,每个节点在RAM中只计算该节点上文件块的数据,最后数据汇总生成最终数据。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值