您的位置:首页 > 运维架构 > 网站架构

【Spark亚太研究院系列丛书】Spark实战高手之路-第3章Spark架构设计与编程模型第3节:Spark架构设计(1)

2014-12-26 12:53 716 查看
一、以RDD为基石的Spark编程模型

在Spark中一切都是基于RDD的:



什么是RDD呢?官方给出的解释是:



也就是说每个RDD都至少有以下三个函数实现:



Spark自带了非常多的RDD:



RDD主要分为两种:



其中的transformations是lazy execution的,需要具体的action去触发,每个action操作都是一个单独的job;

接下来我们看一个具体的RDD操作的例子:



RDD中有两个比较特殊的RDD:



这两个RDD的特殊之处在于皆是控制性操作的RDD:



二,RDD的依赖和运行时

在Spark中RDD是具备依赖关系的,而依赖分为两种:



“Narrow”依赖的一个好处就是可以进行内部的pipeline操作:



运行的时候是以RDD为统一抽象并行化运行:



更进一步的详细RDD并行化计算过程如下所示:



正如所有的分布式结构一样,Spark分布式集群也是主从结构的:



Spark运行时组件如下所示:



Spark运行时候的事件流如下所示:

内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: 
相关文章推荐