RDD的依赖: 1.窄依赖是指每个父RDD的Partition最多被子RDD的一个Partition所使用,例如map、filter 2.宽依赖是指一个父RDD的Partition会被多个子RDD的Partition所使用,例如groupByKey、reduceByKey等操作 总结:如果父RDD的一个Partition被一个子RDD的Partition所使用就是窄依赖,否则的话就是宽依赖。 特别说明:对于join操作有两种情况,如果join操作的使用每个partition 仅仅和已知的Partition进行join,此时的join操作就是窄依赖;其他情况的join操作就是宽依赖;因为是确定的Partition数量的依赖关系,所以就是窄依赖,得出一个推论,窄依赖不仅包含一对一的窄依赖,还包含一对固定个数的窄依赖(也就是说对父RDD的依赖的Partition的数量不会随着RDD数据规模的改变而改变) 注意(如何划分Stage): 1.从后往前推理,遇到宽依赖就断开,遇到窄依赖就把当前的RDD加入到Stage中; 2.每个Stage里面的Task的数量是由该Stage中最后 一个RDD的Partition数量决定的 3.最后一个Stage里面的任务的类型是ResultTask,前面所有其他Stage里面的任务类型都是ShuffleMapTask 4.代表当前Stage的算子一定是该Stage的最后一个计算步骤
为什么groupbykey是宽依赖
最新推荐文章于 2023-10-03 10:45:16 发布