Spark之并行度和分区
文章目录
Spark之并行度和分区并行度和分区集合数据源分区文件数据源分区默认分区数指定分区数文件分区数量的计算方式
并行度和分区
默认情况下，Spark 可以将一个作业切分多个任务后，发送给 Executor 节点并行计算，而能 够并行计算的任务数量我们称之为并行度。这个数量可以在构建 RDD 时指定。记住，这里 的并行执行的任务数量（Task），并不是指的切分任务的数量。
集合数据源分区
def main(args: Array[String]): Unit = {
//准备环境
//[*]----当前系统的核数
val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
val sc = new SparkContext(sparkConf)
//创建RDD
/**
* RDD的并行度&分区
* makeRDD方法可以传递第二个参数，这个参数表示分区的数量
* 第二个参数可以不传递，makeRDD会使用默认值：defaultParallelism(默认并行度)
* spark在默认情况下，从配置对象中获取配置参数 spark.default.Parallelism
* 如果获取不到，那么使用totalCores属性，这个取值为当前环境最大核数
*/
val rdd: RDD[Int] = sc.makeRDD( List(1, 2, 3, 4, 5), 2)
//将处理的数据保存成分区文件
rdd.saveAsTextFile("output")
//关闭环境
sc.stop()
}
第二个参数可以不传递，makeRDD会使用默认值：defaultParallelism(默认并行度) 在不传参数的情况下 spark在默认情况下，从配置对象中获取配置参数 spark.default.Parallelism 如果获取不到，那么使用totalCores属性，这个取值为当前环境最大核数 就是开头配置的环境
val sparkConf: SparkConf = new SparkConf().setMaster(“local[*]”).setAppName(“RDD”)
先获取sparkConf.set(“spark.default.parallelism”,“5”)
//[*]----当前系统的核数
val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
//可配置默认并行度----核心数
sparkConf.set("spark.default.parallelism","5")
val sc = new SparkContext(sparkConf)
//创建RDD
val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
val partitions: Int = rdd.getNumPartitions
println(s"分区数量为：$partitions ")
//关闭环境
sc.stop()
没有设置时，取值为当前环境最大核数
val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
val partitions: Int = rdd.getNumPartitions
println(s"分区数量为：$partitions ")
//将处理的数据保存成分区文件
//rdd.saveAsTextFile("output")
文件数据源分区
读取文件数据时，数据是按照 Hadoop 文件读取的规则进行切片分区，而切片规则和数据读取的规则有些差异。
默认分区数
def main(args: Array[String]): Unit = {
//准备环境
//[*]----当前系统的核数
val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("RDD")
val sc = new SparkContext(sparkConf)
//创建RDD
//textFile可以将文件作为数据处理的数据源，默认也可以设定分区
/**
* minPartitions最小分区数量
* math.min(defaultParallelism,2)
* 如果不想使用默认分区数量，可以通过第二个参数修改
* 真正的分区数会比这个参数大
* spark读取文件底层使用的是Hadoop读取文件的方式
* 分区数量的计算方式
* totalSize=7
* goalSize=7/2=3(byte)
*
* 7/3=2...1(1.1倍)+1=3个分区
*/
val rdd = sc.textFile("datas/1.txt")
rdd.saveAsTextFile("output")
//关闭环境
sc.stop()
}
指定分区数
文件分区数量的计算方式
文件为
如果指定分区数量设置为2，但实际分区数量为3
文件大小有7个字节，但文件内只有1 2 3 其实是包含了回车换行，也就是7个字节 计算公式
totalSize=7goalSize=7/2=3(byte)—表示每个分区有3个字节7/3=2…1(1.1倍)+1=3个分区----两个分区不够，剩余的数占每个分区的字节数大于10%等同于产生新的分区，如果小于10%不会产生新的分区
所以就会产生三个分区。
参考文章
您阅读本篇文章共花了：
发表评论