大三寒假学习 spark学习 RDD的依赖关系和运行过程

窄依赖与宽依赖的区别：

窄依赖：表现为一个父RDD的分区对应于一个子RDD的分区或多个父RDD的分区对应于一个子RDD的分区

宽依赖：表现为存在一个父RDD的一个分区对应一个子RDD的多个分区

Stage的划分：

 　　Spark通过分析各个RDD的依赖关系生成了DAG再通过分析各个RDD中的分区之间的依赖关系来决定如何划分Stage

根据RDD分区的依赖关系划分Stage:

Stage的划分:

• 　在DAG中进行反向解析，遇到宽依赖就断开
• 　遇到窄依赖就把当前的RDD加入到Stage中
• 　将窄依赖尽量划分在同一个Stage中，可以实现流水线计算

 RDD运行过程：

• 创建RDD对象
• SparkContext负责计算RDD之间的依赖关系,构建DAG
• DAGScheduler负责把DAG图分解成多个Stage每个Stage中包含了多个Task每个Task会被TaskScheduler分发给各个WorkerNode上的Executor去执行

RDD在Spark中的运行过程：

标签：依赖,分区,学习,RDD,划分,DAG,spark,Stage
来源： https://www.cnblogs.com/fengchuiguobanxia/p/15825918.html