大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章主要介绍“spark内核RDD的count操作是什么”,在日常操作中,相信很多人在spark内核RDD的count操作是什么问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”spark内核RDD的count操作是什么”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
丰都ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景,ssl证书未来市场广阔!成为成都创新互联公司的ssl证书销售渠道,可以享受市场价格4-6折优惠!如果有意向欢迎电话联系或者加微信:18982081108(备注:SSL证书合作)期待与您的合作!
RDD源码的count方法:
从上面代码可以看出来,count方法触发SparkContext的runJob方法的调用:
进一步跟踪runJob(rdd, (context: TaskContext, iter: Iterator[T]) => func(iter), partitions, allowLocal)方法:
2、clean(func):
代码分析:
3.1、进入submitJob(rdd, func, partitions, callSite, allowLocal, resultHandler, properties):
上面代码分析:
3.1.1、 进入new JobWaiter(this, jobId, partitions.size, resultHandler)方法
我们可以看出来,是给自己发消息的
3.1.3、进入 dagScheduler.handleJobSubmitted(jobId, rdd, func, partitions, allowLocal, callSite,listener, properties)方法
首先构建finalStage,然后又一个getMissingParentsStages方法,可以发现运行有本地运行和集群运行两种模式,本地运行主要用于本地实验和调试:
3.1.3.1、进入 finalStage = newStage(finalRDD, partitions.size, None, jobId, callSite)方法:
3.1.3.2、进入 runLocally(job)方法:
3.1.3.3.2、进入 getMissingParentStages(stage).sortBy(_.id) 方法:
跟进getShuffleMapState方法:
3.1.3.3.3、进入submitMissingTasks(stage, jobId.get) 方法:
到此,关于“spark内核RDD的count操作是什么”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!