RDD是spark抽象的基石，可以说整个spark编程就是对RDD进行的操作
RDD是弹性的
分布式数据集，它是
只读的，
可分区的，这个数据集的全部或者部分数据可以缓存在内存中，在多次计算间重用。所谓的弹性意思是：
内存不够时可以与磁盘进行交换。这是RDD另一个特性：内存计算。就是将数据保存到内存中，同时为了
转载
2024-06-17 14:30:40
43阅读
目录一、对比MapReduce与Spark的主要区别二、Spark技术栈三、架构设计1、运行架构2、Spark架构核心组件及其作用3、提交流程四、核心API五、RDD是什么，有哪些特点六、RDD的特性七、RDD常用的创建方式八、RDD常用的算子：转换、动作九、基于RDD的应用程序开发十、shuffle机制十一、累加器（可自定义） 一、对比MapReduce与Spark的主要区别易用性：Spark
转载
2024-05-15 13:50:26
30阅读
与许多专有的大数据处理平台不同，Spark建立在统一抽象的RDD之上，使得它可以以基本一致的方式应对不同的大数据处理场景，包括MapReduce，Streaming，SQL，Machine Learning以及Graph等。这即Matei Zaharia所谓的“设计一个通用的编程抽象（Unified Programming Abstraction）。这正是Spark这朵小火花让人着迷的地方。要理解
转载
2023-10-14 17:13:46
89阅读
一、Spark概念总结简要说明：每个Spark应用都由一个驱动器程序(driver program)来发起集群上的各种 并行操作。 驱动器程序包含应用的 main 函数， 并且定义了集群上的分布式数据集，还对这 些分布式数据集应用了相关操作。 驱动器程序通过一个 SparkContext 对象来访问 Spark。这个对象代表对计算集群的 一个连 接。shell 启动时已经自动创建了一个 Spark
# Spark RDD 中的 FlatMap 和 Map 的区别
在Apache Spark中，RDD（弹性分布式数据集）是最基本的抽象，它让处理大规模数据集变得更加方便。在RDD操作中，`map`和`flatMap`是最常用的两个转换函数。虽然它们的名字相似，但它们的操作逻辑和使用场景却是有明显区别的。本文将深入探讨这两个操作的差异，并通过代码示例帮助读者更好地理解这两个概念。
## Map
原创
2024-10-11 09:18:14
128阅读
1. RDD基本原理弹性式分布数据集RDD是Apache Spark的核心，它是一组不可变的JVM（java virtual machine）对象的分布集，可以执行高速运算。该数据集是分布式的，基于某种关键字该数据集被划分成若干块，并且分发到执行器节点，这样使得数据集能够高速执行运算。并且RDD对于每个块所做的所有转换都跟踪记录到日志中，在发生错误或者部分数据丢失时可以回退并重新进行计算，所以RD
转载
2024-10-22 01:19:37
38阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、基本概念1.RDD的生成2.RDD的存储3.Dependency4.Transformation和Action4.1 Transformation操作可以分为如下几种类型：4.1.1 视RDD的元素为简单元素。4.1.2 视RDD的元素为Key-Value对:4.2 Action操作可以分为如下几种：5.shuffl
转载
2023-11-14 09:26:59
105阅读
窄依赖所谓窄依赖就是说子RDD中的每个分区（partition）只依赖于父RDD中有限个数的partition。在API中解释如下： 窄依赖在代码中有两种具体实现，一种是一对一的依赖：OneToOneDependency，从其getparent方法中不难看出，子RDD只依赖于父 RDD相同ID的Partition。另外一种是范围的依赖，RangeDependency，它仅仅被org.apache
转载
2023-06-11 15:26:05
137阅读
1.1 什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用 它是将Hive SQL转换成MapReduce然后提交到集群上执行，大大简化了编写MapReduce的程序的复杂性，由于MapReduce这种计算模型执行效率比较慢。所有S
转载
2023-07-11 20:00:57
108阅读
是什么 SparkSql 是Spark提供的 高级模块，用于处理结构化数据，开发人员可以使用HiveQL 和SQL语言 实现基于RDD的大数据分析， 底层基于RDD进行操作，是一种特殊的RDD，DataFrameRDD类型 1. 将SQL查询与Spark无缝混合，可以使用SQL或者Da
转载
2023-08-10 20:44:14
114阅读
一、Spark包括什么spark的核心是Spark Core，其中上面的Spark Sql对接的是Hive等结构化查询，Spark Streaming是对接的流式计算，后面的那两个也是主要用在科学任务中，但是他们的基础都是spark core，而Spark core的核心就是RDD操作，RDD的操作重要的就是算子，也就是说，掌握了算子基本上就掌握了spark的基础。二、RDD1、是什么？ 
import org.apache.spark._object rdd_test { System.setProperty("had
原创
2022-09-09 15:40:07
116阅读
RDD是什么？RDD是Spark中的抽象数据结构类型，任何数据在Spark中都被表示为RDD。从编程的角度来看，RDD可以简单看成是一个数组。和普通数组的区别是，RDD中的数据是分区存储的，这样不同分区的数据就可以分布在不同的机器上，同时可以被并行处理。因此，Spark应用程序所做的无非是把需要处理的数据转换为RDD，然后对RDD进行一系列的变换和操作从而得到结果。本文为第一部分，将介绍Spark
转载
精选
2016-06-13 17:06:59
574阅读
弹性分布式数据集（RDD）不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集，可以让你执行高速运算，而且是Apark Spark的核心。顾名思义，该数据集是分布式的。基于某个关键字，该数据集被划分成多块，同时分发到执行结点。这样做可以使得此类数据集能够执行高速执行运算。另外，RDD将跟踪（记入日志）应用于每个块的所有转换，以加快计算速度，并在发生错误和部分数据丢失时提供回退。在这种情况...
原创
2022-03-15 14:06:34
172阅读
RDD（Resilient Distributed Dataset）叫做弹性分布式数据集，是 Spark 中最基本的数据处理模型。代码中是一个抽象类，它代表一个弹性的、不可变、可分区、里面的元素可并行计算的集合。
原创
2023-06-10 00:35:02
90阅读
原因1:优秀的数据模型和丰富的计算抽象Spark出现之前，已经有了非常成熟的计算系统MapReduce，并提供高级API(map/reduce)，在集群中运行计算，提供容错，从而实现分布式计算。虽然MapReduce提供了数据访问和计算的抽象，但是数据的重用只是简单地将中间数据写入一个稳定的文件系统(比如HDFS)，所以会产生数据复制备份、磁盘I/O和数据序列化，所以在多个计算中遇到需要重用中间结
弹性分布式数据集（RDD）不仅仅是一组不可变的JVM(Java虚拟机) 对象的分布集，可以让你执行高速运算，而且是Apark Spark的核心。顾名思义，该数据集是分布式的。基于某个关键字，该数据集被划分成多块，同时分发到执行结点。这样做可以使得此类数据集能够执行高速执行运算。另外，RDD将跟踪（记入日志）应用于每个块的所有转换，以加快计算速度，并在发生错误和部分数据丢失时提供回退。在这种情况...
原创
2021-08-04 13:56:33
192阅读
RDD是“Resilient Distributed Dataset”的缩写，从全称就可以了解到RDD的一些典型特性。Resilient（弹性）：RDD之间会形成有向无，数据库等。
原创
2024-04-30 14:59:51
316阅读
spark常用RDD操作，操作包括两种类型，即转换（Transformation）操作和行动（Action）操作一、转换操作（Transformation）1、filter（func）筛选出满足函数func的元素，并返回一个新的数据集 例：val lines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")
val linesWi
转载
2023-06-19 05:51:18
0阅读
1. Spark与Scala的版本问题官网会给出Maven Repository上可以查到2. RDD(Resilent Distributed DataSet)一组Partition，每个分片都被一个计算任务处理，未指定的话默认是程序分配的CPU core的数目计算每个Paritition的函数每个Partition上的数据都有一个函数进行计算RDD之间的依赖关系Rdd每次转换会生成
转载
2023-07-30 15:45:52
132阅读
