知识卡片
Shuffle划分执行阶段
Spark沿RDD依赖构造执行计划,同一阶段尽量流水执行窄依赖转换,跨Shuffle依赖则划分阶段以交换数据。调度会利用已有缓存分区与可复用中间结果,缺失时回溯依赖补算。恢复不必从所有原始输入重新执行全图,取决于丢失范围及仍可用结果。
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。
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
图15-15 窄依赖与宽依赖 Spark的调度过程与Dryad的调度过程类似,主要区别是需要将缓存中的RDD数据分片信息考虑进来。调度器检查RDD之间的血统关系图并构建分阶段执行的DAG执行规划。在同一个阶段尽可能容纳最多的窄依赖关系,而不同的阶段则由形成Shuffle传输过程的宽依赖连接起来。
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Shuffle划分执行阶段给出的定义、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:图15-15 窄依赖与宽依赖 Spark的调度过程与Dryad的调度过程类似,主要区别是需要将缓存中的RDD数据分片信息考虑进来。调度器检查RDD之间的血统关系图并构建分阶段执行的DAG执行规划。在同一个阶段尽可能容纳最多的窄依赖关系,而不同的阶段则由形成Shuffle传输过程的宽依赖连接起来。