优点 spark_spark(一)
Spark简介:
Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎,Spark拥有Hadoop MapReduce所具有的的所有优点,但不同于MapReduce得是job中间输出结果可以保存在内存中,从而不需要去读取HDFS,因此Spark能更好的适用于数据挖掘于机器学习等需要的迭代的MapReduce的算法,Spark是Scala编写,方便快速编程
spark生态图:
Spark和MapReduce的区别
Spark基于内存,MapReduce基于hdfs.Spark处理数据的能力一般是MapReduce的十倍以上,Spark中除了基于内存计算外,还有DAG有向无环图来切分任务的执行先后顺序
Spark常用运行模式:
Local --本地运行模式
Standalone --是Spark自带的一个资源调度框架,支持完全分布式
Yarn --Hadoop生态圈的一个资源调度框架,Spark也可以基于其来进行计算
核心库 --SparkCore
RDD
概念:
RDD(Resilient Distributed Dateset),弹性分布式数据集
RDD五大特性:
1.RDD是由一系列的partition组成的
2.函数是作用在每一个partition(split)上的
3.RDD之间有一系列的依赖关系
4.分区器是作用在K,V格式的RDD上的
5.RDD提供一系列最佳的计算位置
RDD图解:
要点:
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块大小
RDD实际上不存储数据,这里为了方便理解,暂时理解为存储数据
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
体现RDD的弹性(容错)
--partition数量,大小没有限制
--RDD之间的依赖关系,可以基于上一个RDD重新算出RDD
体现RDD的分布式:
--RDD由partition组成,partition分布在不同的节点上
RDD提供最佳的计算位置,体现了数据本地化,大数据中"计算以东部移动数据"的概念
Spark任务执行原理
以上图中,Driver和Worker式启动在节点上的进程,运行在jvm中的进程
Driver与集群节点之间有频繁的通信
Driver负责任务(tasks)的分发和结果的回收,任务的调度
Worker和Master是Standalone资源调度框架里面资源管理的从节点,也是jvm进程
Transformations转换算子
Transformations算子是延迟执行,也叫懒加载执行
filter:过滤符合条件的记录数,true保留,false过滤
map:将一个RDD中的每一个数据项,通过map中的映射函数变为一个新的元素特点:输入一条,输出一条
flatMap:先map后flat,与map类似,每个输入项可以映射为0-多个输出项
sample:随机抽样算子,根据传进去小数按比例进行又放回或者无放回的抽样
reduceByKey:将相同的key根据相应的逻辑进行处理
sortByKey/sortBy:作用在K,V格式的RDD上,对key进行升降序排序
Action行动算子
Action类算子是触发执行,一个application应用程序中有几个Action类算子执行,就有几个job运行
count:返回数据集中的元素数,会在结果计算完成会受到Driver端
take(n):返回一个包含数据及前n个元素的集合
first:返回数据集中的第一个元素
foreach:循环遍历数据集,运行相应的逻辑
collect:将计算结果会收到Driver端
控制算子
控制算子有三种,cache,persist,checkpoint,以上算子都可以将RDD持久化,持久化单位为partition,cache和persist是懒执行的,必须有一个action类算子触发执行,checkpoint算子不仅仅能将RDD持久化,还能切断RDD之间的依赖关系
cache
默认将RDD的数据持久化到内存中,
persist
可以指定持久化的级别,最常用的是MEMORYONLY和MEMORY_AND_DISK
_2表示副本数持久化级别如下:
cache和persist注意事项;
1.cache和persist都是懒执行,必须要有一个action类算子来触发执行
2.cache和persist算子的返回值可以赋值给一个变量,在其他job中直接使用这个变量就是使用持久化的数据了,持久化单位是partition
3.cache和persist算子后不能立即紧跟action类算子
checkpoint
checkpoint将RDD持久化到磁盘中,还可以切断RDD之间的依赖关系
checkpoint的执行原理:
1.当RDD的job执行完毕之后,会从finalRDD从后往前回溯
2.当回溯到摸一个RDD调用了checkpoint方法,会对当前的RDD做一个标记
3.Spark框架会自动启动一个新的job,重新计算这个RDD的数据,将数据持久化到HDFS中
优化:对RDD执行checkpoint方法之前,最好对这个RDD先执行cache,这样新启动的job只需将内存中的数据拷贝到HDFS上就可以了,省去了重新计算的这一步
优点 spark_spark(一)相关推荐
- 2021年大数据Hadoop(二):Hadoop发展简史和特性优点
2021大数据领域优质创作博客,带你从入门到精通,该博客每天更新,逐渐完善大数据各个知识体系的文章,帮助大家更高效学习. 有对大数据感兴趣的可以关注微信公众号:三帮大数据 目录 Hadoop发展简史 ...
- const与define相比优点_const与#define的区别、优点
const与#define的区别 编译器处理方式不同 define宏是在预处理阶段展开. 补充:预处理器根据以#开头的命令,修改原始的程序.比如我们常见的#include 命令告诉处理器读取系统头文件 ...
- 光耦p621引脚图_开关电源中光耦电路的设计与优点
光耦(opticalcoupler)亦称光电隔离器.光耦合器或光电耦合器.它是以光为媒介来传输电信号的器件,通常把发光器(红外线发光二极管LED)与受光器(光敏半导体管)封装在同一管壳内.当输入端加电 ...
- 转载LINQ优点 自己学习用的
这几天在读一本LINQ方面的书<Essential LINQ>,在这里和大家分享下. 由于对LINQ的深入总结需要大量的篇幅,因此在这里分成几个部分来讲. (*我看<Essentia ...
- 计算机管理员身份有哪些优点,重装系统有什么好处?有哪些理由值得让电脑重装系统?...
电脑重装系统常常被赋予解决大部分问题的最佳选择方案,虽然很多故障都可以通过手动处理.而针对那些使用时间长.系统不稳定.系统垃圾过多(难以清理的杂乱文件)的用户而言,重装系统也就只需要一个理由罢了. 有 ...
- python面向对象的优点_Python面向对象编程——总结面向对象的优点
Python面向对象编程--总结面向对象的优点 一.从代码级别看面向对象 1.在没有学习类这个概念时,数据与功能是分离的 def exc1(host,port,db,charset): conn=co ...
- 你没听说过的Go语言惊人优点
链客,专为开发者而生,有问必答! 此文章来自区块链技术社区,未经允许拒绝转载. 在这篇文章中,我将讨论为什么你需要尝试一下 Go 语言,以及应该从哪里学起. Go 语言是可能是最近几年里你经常听人说起 ...
- 对分组交换(packet switching)高效迅速灵活可靠四个优点的理解
1.什么是分组? 通信过程中要发送的整块数据被称为一个报文(message),报文被划分为一个个更小的等长数据段,每个数据段前加入一些由必要的控制信息组成的首部后,就构成了一个分组.分组是在互联网中传 ...
- Spring MVC框架有哪些优点
Spring MVC是Spring提供的一个实现了Web MVC设计模式的轻量级Web框架.它与Struts2框架一样,都属于MVC框架,但其使用和性能等方面比Struts2更加优异. Spring ...
最新文章
- C#中的浅拷贝和深拷贝
- 13-numpy笔记-莫烦pandas-1
- 如何用互联网上的广告来赚取广告费——有点吹牛吗?
- 自动生成文章的html,文章自动更新工具|自动生成文件|自动伪原创|文章自动插入关键词工具...
- springmvc 全局编码_SpringMVC-设置UTF-8编码
- 电销机器人价格_箭鱼电销机器人:为什么电话机器人公司不用机器人给你打电话?...
- mysql5.6修改默认目录_MySQL修改默认存储路径
- hdu 2275 Kiki Little Kiki 1 水题
- 欢迎使用CSDN-markdown编辑器2131
- Maven MyEclipse创建web项目没有src/maim/java
- 11. 配置ZooKeeper ensemble
- [转载] numpy用法(logical_and, nonzero,arange, reshape)
- 博客园模板--博客园老牛大讲堂
- 微信打开网页:如需浏览,请长按网址复制后使用浏览器访问怎么解决
- 嵌入式Linux用java_嵌入式linux 开发步骤详细解析(Hello Embedded World)
- 个人笔记本安装ubuntu系统
- 皮克公式 Peake‘s theorem
- 1.Twitter开发者之如何申请一个twitter开发者账号
- 切比雪夫不等式例题讲解_13.初中数学:怎么解一元一次不等式?把解集表示在数轴上,基础训练...
- android aoto未解锁,【求教】为什么我的解锁屏幕代码缺无法解锁屏幕