码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • Spark基础【RDD持久化、分区器、文件保存读取】


    文章目录

    • 一 RDD持久化
      • 1 RDD Cache缓存
        • (1)为什么使用Cache
        • (2)修改血缘关系
        • (3)存储级别
      • 2 RDD CheckPoint检查点
      • 3 缓存和检查点的区别
    • 二 RDD分区器
      • 1 Hash分区
      • 2 Range分区
      • 3 自定义分区
    • 三 RDD文件读取与保存

    一 RDD持久化

    1 RDD Cache缓存

    (1)为什么使用Cache

    RDD通过Cache或者Persist方法将前面的计算结果缓存,默认情况下会把数据以缓存在JVM的堆内存中。但是并不是这两个方法被调用时立即缓存,而是触发后面的action算子时,该RDD将会被缓存在计算节点的内存中,并供后面重用

    如现有两个需求:

    • File – textFile – flatMap – map – reduceByKey
    • File – textFile – flatMap – map – group

    因为前四个阶段相同,能否直接在第一个需求的map后面进行更改?

    def main(args: Array[String]): Unit = {
       
    
      val conf = new SparkConf().setMaster("local[*]").setAppName("WordCount")
      val sc = new SparkContext(conf)
    
      val lines: RDD[String] = sc.textFile("data/word.txt")
      val words: RDD[String] = lines.flatMap(_.split(" "))
      val wordToOne: RDD[(String, Int)] = words.map(
        t => {
       
          println("**************")
          (t,1)
        }
      )
      val wordCount: RDD[(String, Int)] = wordToOne.reduceByKey(_ + _)
      wordCount.collect().foreach(println)
    
      println("----------------------")
      val rdd2: RDD[(String, Iterable[(String, Int)])] = wordToOne.groupBy(_._1)
      rdd2.collect().foreach(println)
    
      sc.stop()
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24

    执行结果

    **************
    **************
    **************
    **************
    **************
    **************
    (scala,1)
    (hello,3)
    (world,1)
    (spark,1)
    ----------------------
    **************
    **************
    **************
    **************
    **************
    **************
    (scala,CompactBuffer((scala,1)
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
  • 相关阅读:
    PHP操作MongoDB的原生CURD方法
    java175-method类反射机制
    王道数据结构5(树与二叉树)
    Netty8-Netty核心模块2
    (十二)51单片机----用DS18B20浅测一下工(江)西的室外温度
    MongoDB学习大纲
    移动端适配和响应式页面中的常用单位
    面试了1个月连续失败4次,自动化测试真没想象的那么简单
    无涯教程-JavaScript - FALSE函数
    Ethernet: tg3 link起来了,但是网速只有10Mbps
  • 原文地址:https://blog.csdn.net/weixin_43923463/article/details/126334224
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号