map和mappartition區別,Spark中 RDD之coalesce與repartition區別

 2023-11-16 阅读 10 评论 0

摘要:Spark中 RDD之coalesce與repartition區別 coalesce def coalesce(numPartitions: Int, shuffle: Boolean = false)(implicit ord: Ordering[T] = null): RDD[T] 該函數用于將RDD進行重分區,使用HashPartitioner。 第一個參數為重分區的數目,第二個為是否

Spark中 RDD之coalesce與repartition區別

coalesce

def coalesce(numPartitions: Int, shuffle: Boolean = false)(implicit ord: Ordering[T] = null): RDD[T]

該函數用于將RDD進行重分區,使用HashPartitioner

第一個參數為重分區的數目,第二個為是否進行shuffle,默認為false;

以下面的例子來看:

scala> var data = sc.textFile("/tmp/lxw1234/1.txt")
data: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[53] at textFile at :21scala> data.collect
res37: Array[String] = Array(hello world, hello spark, hello hive, hi spark)scala> data.partitions.size
res38: Int = 2 //RDD data默認有兩個分區scala> var rdd1 = data.coalesce(1)
rdd1: org.apache.spark.rdd.RDD[String] = CoalescedRDD[2] at coalesce at :23scala> rdd1.partitions.size
res1: Int = 1 //rdd1的分區數為1scala> var rdd1 = data.coalesce(4)
rdd1: org.apache.spark.rdd.RDD[String] = CoalescedRDD[3] at coalesce at :23scala> rdd1.partitions.size
res2: Int = 2 //如果重分區的數目大于原來的分區數,那么必須指定shuffle參數為true,//否則,分區數不便scala> var rdd1 = data.coalesce(4,true)
rdd1: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[7] at coalesce at :23scala> rdd1.partitions.size
res3: Int = 4

重點:如果重分區的數目大于原來的分區數,那么必須指定shuffle參數為true,//否則,分區數不便

repartition

def repartition(numPartitions: Int)(implicit ord: Ordering[T] = null): RDD[T]

該函數其實就是coalesce函數第二個參數為true的實現

scala> var rdd2 = data.repartition(1)
rdd2: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[11] at repartition at :23scala> rdd2.partitions.size
res4: Int = 1scala> var rdd2 = data.repartition(4)
rdd2: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[15] at repartition at :23scala> rdd2.partitions.size
res5: Int = 4

擴展:

當spark程序中,存在過多的小任務的時候,可以通過 RDD.coalesce方法,收縮合并分區,減少分區的個數,減小任務調度成本,避免Shuffle導致,比RDD.repartition效率提高不少。

版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。

原文链接:https://hbdhgg.com/5/173666.html

发表评论:

本站为非赢利网站,部分文章来源或改编自互联网及其他公众平台,主要目的在于分享信息,版权归原作者所有,内容仅供读者参考,如有侵权请联系我们删除!

Copyright © 2022 匯編語言學習筆記 Inc. 保留所有权利。

底部版权信息