知识卡片
血缘重算只恢复所需分区
RDD保存转换及依赖信息,丢失分区时可从仍可用的父分区或稳定输入重算。它减少逐次复制所有中间数据的需求,但前提是输入仍可用且转换可重现。长依赖链或宽依赖会提高恢复代价,可结合检查点截断恢复路径,不能一概认为血缘总比检查点快。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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的容错采取根据血统记录恢复的方式。前面的内容讲到RDD一方面采用粗粒度的操作,另一方面采用了血统记录来记载RDD之间的生成关系,结合这两者,RDD就可以采用根据血统记录来恢复数据内容的容错策略,即Spark记载某个RDD的一系列血统记录,这样当某个RDD发生故障需要恢复时,从数据源逐步执行对应的转换操作来重新生成当前发生故障的RDD。
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:原文在本章对血缘重算只恢复所需分区给出的定义、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的容错采取根据血统记录恢复的方式。前面的内容讲到RDD一方面采用粗粒度的操作,另一方面采用了血统记录来记载RDD之间的生成关系,结合这两者,RDD就可以采用根据血统记录来恢复数据内容的容错策略,即Spark记载某个RDD的一系列血统记录,这样当某个RDD发生故障需要恢复时,从数据源逐步执行对应的转换操作来重新生成当前发生故障的RDD。