知识卡片

普通读书笔记卡 · 1780.d.1.d.1

Shuffle划分执行阶段

理解等级:中级

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?

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。