RDD宽窄依赖 stage 任务资源调度

窄依赖：
父RDD与子RDD partion之间的关系是一对一、多对一。

宽依赖（有shuffle)：
父RDD与子RDD partion之间的关系是一对多。

tips:相同的key肯定去同一个分区，但一个分区中可以有不同的key

术语

Appliction由job组成，有几个action算子就有几个job

Stage

• stage切割规则

切割规则：从后往前，遇到宽依赖就切割stage

Stage并行度由Stage中finalRDD的partition个数决定

上图由F决定，但是F后面的会起影响的作用

提高Stage的并行度：利用有shuffle的算子，比如reduceByKey(xxx,分区数[影响作用])、join(xxx,分区数)

Spark处理数据模式

落地管道中的数据：

1、shuffle write 溢写磁盘

2、对RDD进行持久化

代码测试

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
object spark执行 {
  /*
   * 按照mr的执行逻辑
   * .....map~zha
   * .....map~long
   * .....map~xue
   * =====filter~zha
   * =====filter~long
   * =====filter~xue
   * 而按照spark的执行逻辑
   * ......mapzha
    ===========filterzha~
   ......maplong
   ===========filterlong~
   ......mapxue
   ===========filterxue~
   */
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local").setAppName("test")
    val sc=new SparkContext(conf)
    val rdd1=sc.parallelize(Array("zha","long","xue"))
    val rdd2 = rdd1.map(name=>{
      println("......map"+name)
      name+"~"
    })
    val rdd3=rdd2.filter(name=>{
      println("===========filter"+name)
      true
    }).collect()
    sc.stop()
  }
}