Spark中的RDD（弹性分布式数据集）根据依赖关系分为窄依赖和宽依赖。窄依赖允许在一个节点上一次性计算所有父partition，提供高效容错能力，如map和filter操作。而宽依赖需要父partition数据shuffle到多个节点，如reduceByKey操作，当出现故障时，恢复代价较大。理解这两种依赖关系对于优化Spark作业性能和理解其容错机制至关重要。
在Spark中，每一个RDD是对于数据集在某一状态下的表现形式，比如说：map、filter、group by等都算一次操作，这个状态有可能是从前一状态转换而来的；
因此换句话说一个RDD可能与之前的RDD(s)有依赖关系；RDD之间存在依赖关系；
根据依赖关系的不同，可以将RDD分成两种不同的类型：宽依赖和窄依赖。
窄依赖：一个父RDD的partition至多被子RDD的某个partition使用一次；
宽依赖：一个父RDD的partition会被子RDD的partition使用多次，需要shuffle操作；
图中方框描述：外面的大方框是一个RDD，里面的小方块是RDD中的partitio
最低0.47元/天 解锁文章
484
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
