知识卡片
窄依赖可流水线
若RDD的每个分区只依赖上游的一个(或少数几个固定)分区,就是窄依赖,如map、filter。窄依赖不需要跨节点重新分布数据,所以被放在同一个Stage里,按管道方式逐条迭代执行:一条记录经过多次转换后才写出,不产生中间落盘。能写成窄依赖的逻辑,就少一次Shuffle。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《Spark内核设计的艺术:架构设计与实现 (大数据技术丛书)》第7章《调度系统》(源文件:_epub-src/EPUB/text00138.html)
- 结论依据:原文说明RDD与上游分区一对一即窄依赖,窄依赖会被划分到同一Stage,以管道方式迭代执行。
- 原始内容:NarrowDependency会被划分到同一个Stage中,这样它们就能以管道的方式迭代执行。