其他分享
首页 > 其他分享> > spark基本面试题

spark基本面试题

作者:互联网

目录

一、spark基本常识

1、spark中的RDD是什么,有哪些特性?

  RDD(Resilient Distributed Dataset)叫做分布式数据集模式spark中最基本的数据抽象,它代表一个不可变,可分区,里面的元素可以并行计算的集合。
  Resilient:表示弹性的,弹性表示
  Destributed:分布式,可以并行在集群计算
  Dataset:就是一个集合,用于存放数据的
五大特性:
  1)一个分区列表,RDD中的数据都存储在一个分区列表中
  2)作用在每一个分区列表中的函数。
  3)一个RDD依赖于其他多个RDD,RDD的容错机制就是根据这个特性而来的。
  4)可选的,针对于kv类型的RDD才有这个特性,作用是决定了数据的来源及数据处理后的去向。
  5)可选项,数据本地性,数据位置最优。

2、概述一下spark中常用算子区别(map,mapPartitions, foreach, foreachPartition)

  map:用于遍历RDD,将函数应用的每一个元素,返回新的RDD(transformation算子)
  mapPartitions:用于遍历RDD的每一个分区,返回生成一个新的  RDD(transformation算子)
  foreach:用于遍历RDD,将函数应用于每一个元素,无返回值(action算子)
  foreachPartition:用于遍历操作RDD中的每一个分区,无返回值(action算子)
  追述:一般使用mapPatitions和foreachPatition算子比map和foreach更加高效,推荐使用

二、spark要点

1、Spark shuffle时,是否会在磁盘上存储?

  会

标签:map,遍历,试题,基本面,分区,RDD,算子,spark
来源: https://www.cnblogs.com/nthforsth/p/12248184.html