返回主题:Spark内核执行机制

知识卡片

普通读书笔记卡 · 1780.d.1

RDD转换创建新数据集

理解等级:中级

RDD是只读分区记录集合;map、filter等转换产生新的RDD,并记录其与父RDD的生成关系,不原地改写父集合。粗粒度指用统一操作描述一批记录,记录值及执行结果仍可不同。这种限制使运行时能够记录生成过程,按分区恢复数据。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 机器学习:范型与架构 · 查看原书依据

      RDD是由只读的数据记录组成的数据集合,即RDD一旦生成,其内容是不可更改的,但这并不意味着不可在其上进行数据转换操作,而是当对其进行数据转换操作后,原先的RDD内容并不改变,数据转换后的内容形成新的RDD,同时Spark会记载两个RDD的生成关系,形成RDD数据间的血统记录(Lineage)。

    参考来源

    - 位置:《大数据日知录:架构与算法》第15章《机器学习:范型与架构》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00020.html) - 结论依据:原文在本章对RDD转换创建新数据集给出的定义、机制或示例支持本卡;技术产品描述限于2014年书中版本,示例与实测区分。 - 原始内容:RDD是由只读的数据记录组成的数据集合,即RDD一旦生成,其内容是不可更改的,但这并不意味着不可在其上进行数据转换操作,而是当对其进行数据转换操作后,原先的RDD内容并不改变,数据转换后的内容形成新的RDD,同时Spark会记载两个RDD的生成关系,形成RDD数据间的血统记录(Lineage)。