日韩av黄I国产麻豆传媒I国产91av视频在线观看I日韩一区二区三区在线看I美女国产在线I麻豆视频国产在线观看I成人黄色短片

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 >

Spark算子:RDD基本转换操作–coalesce、repartition

發布時間:2025/3/15 29 豆豆
生活随笔 收集整理的這篇文章主要介紹了 Spark算子:RDD基本转换操作–coalesce、repartition 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

1. coalesce

def coalesce(numPartitions: Int, shuffle: Boolean = false)(implicit ord: Ordering[T] = null): RDD[T]

該函數用于將RDD進行重分區,使用HashPartitioner。第一個參數為重分區的數目,第二個為是否進行shuffle,默認為false.

代碼測試如下:

scala> var data = sc.textFile("example.txt") data: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[53] at textFile at :21scala> data.collect res1: Array[String] = Array(hello world, hello spark, hello hive, hi spark)scala> data.partitions.size res2: Int = 2 //RDD data默認有兩個分區scala> var rdd1 = data.coalesce(1) rdd1: org.apache.spark.rdd.RDD[String] = CoalescedRDD[2] at coalesce at :23scala> rdd1.partitions.size res3: Int = 1 //rdd1的分區數為1scala> var rdd1 = data.coalesce(4) rdd1: org.apache.spark.rdd.RDD[String] = CoalescedRDD[3] at coalesce at :23scala> rdd1.partitions.size res4: Int = 2 //如果重分區的數目大于原來的分區數,那么必須指定shuffle參數為true,否則,分區數不變scala> var rdd1 = data.coalesce(4,true) rdd1: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[7] at coalesce at :23scala> rdd1.partitions.size res5: Int = 4

2.?repartition

def repartition(numPartitions: Int)(implicit ord: Ordering[T] = null): RDD[T]

該函數其實就是coalesce函數第二個參數為true的實現

代碼測試如下:

scala> var rdd2 = data.repartition(1) rdd2: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[11] at repartition at :23scala> rdd2.partitions.size res6: Int = 1scala> var rdd2 = data.repartition(4) rdd2: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[15] at repartition at :23scala> rdd2.partitions.size res7: Int = 4

?

與50位技術專家面對面20年技術見證,附贈技術全景圖

總結

以上是生活随笔為你收集整理的Spark算子:RDD基本转换操作–coalesce、repartition的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。