V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
anonymoustian
V2EX  ›  Hadoop

Spark 中的 transformations 的操作(如 map、filter)是不是不会一直执行?

  •  
  •   anonymoustian · 2016-04-24 11:12:15 +08:00 · 2768 次点击
    这是一个创建于 3145 天前的主题,其中的信息可能已经有所发展或是发生改变。

    做项目时候发现程序的时间都用在了 count()、 collect()、 distinct() 这样的 action 操作上, 另外我查了一下它最初的设计论文:

    Resilient Distributed Datasets : A Fault-Tolerant Abstraction for In-Memory Cluster Computing 这篇文章,

    里面有写: RDDs do not need to be materialized at all times. Instead, an RDD has enough information about how it was derived form other datasets 。

    是不是说 如果不执行 action 操作,那么其实系统并不会 “真正地”将 RDD 进行转换, 而是记录下转换的顺序与方法, 在执行 action 操作时 会统一执行? 这样如果有了错误的数据产生, Spark 可以及时 重新生成正确的 RDD ,来保证容错性呢?

    因为涉及到 Spark 程序的设计,想请教一下大家,谢谢

    3 条回复    2016-04-24 16:20:47 +08:00
    weikey
        1
    weikey  
       2016-04-24 11:36:51 +08:00
    是的
    sleeperqp
        2
    sleeperqp  
       2016-04-24 12:00:22 +08:00
    是 借鉴了惰性计算~
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1143 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 22:59 · PVG 06:59 · LAX 14:59 · JFK 17:59
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.