《循序渐进学Spark》一2.2 Spark程序模型

简介:

本节书摘来自华章出版社《循序渐进学Spark》一书中的第2章,第2.2节,作者 小象学院 杨 磊,更多章节内容可以访问云栖社区“华章计算机”公众号查看。


2.2 Spark程序模型

下面给出一个经典的统计日志中ERROR的例子,以便读者直观理解Spark程序模型。

1)SparkContext中的textFile函数从存储系统(如HDFS)中读取日志文件,生成file变量。

scala> var file = sc.textFile("hdfs://...")

2)统计日志文件中,所有含ERROR的行。

scala> var errors = file.filer(line=>line.contains("ERROR"))

3)返回包含ERROR的行数。

errors.count()

RDD的操作与Scala集合非常类似,这是Spark努力追求的目标:像编写单机程序一样编写分布式应用。但二者的数据和运行模型却有很大不同,如图2-3所示。

64355c68558205c2b1ab7d5336ce9ce3ca9d0dc4

在图2-3中,每一次对RDD的操作都造成了RDD的变换。其中RDD的每个逻辑分区Partition都对应Block Manager(物理存储管理器)中的物理数据块Block(保存在内存或硬盘上)。前文已强调,RDD是应用程序中核心的元数据结构,其中保存了逻辑分区与物理数据块之间的映射关系,以及父辈RDD的依赖转换关系。

相关文章
|
3月前
|
分布式计算 Java Scala
181 Spark IDEA中编写WordCount程序
181 Spark IDEA中编写WordCount程序
23 0
|
3月前
|
分布式计算 算法 Shell
180 Spark程序执行
180 Spark程序执行
20 0
|
2月前
|
Java Shell 分布式数据库
【大数据技术Hadoop+Spark】HBase数据模型、Shell操作、Java API示例程序讲解(附源码 超详细)
【大数据技术Hadoop+Spark】HBase数据模型、Shell操作、Java API示例程序讲解(附源码 超详细)
66 0
|
2月前
|
存储 分布式计算 负载均衡
【大数据技术Hadoop+Spark】MapReduce概要、思想、编程模型组件、工作原理详解(超详细)
【大数据技术Hadoop+Spark】MapReduce概要、思想、编程模型组件、工作原理详解(超详细)
40 0
|
2月前
|
分布式计算 监控 Java
Note_Spark_Day02:Standalone集群模式和使用IDEA开发应用程序
Note_Spark_Day02:Standalone集群模式和使用IDEA开发应用程序
41 0
|
1月前
|
分布式计算 资源调度 监控
Spark应用程序的结构与驱动程序
Spark应用程序的结构与驱动程序
|
5月前
|
SQL 分布式计算 数据挖掘
Zeppelin调试Spark程序
Zeppelin调试Spark程序
40 0
|
2月前
|
分布式计算 大数据 Linux
Python大数据之PySpark(三)使用Python语言开发Spark程序代码
Python大数据之PySpark(三)使用Python语言开发Spark程序代码
36 0
|
2月前
|
分布式计算 大数据 Java
大数据必知必会系列——面试官问能不能手写一个spark程序?[新星计划]
大数据必知必会系列——面试官问能不能手写一个spark程序?[新星计划]
36 0
|
3月前
|
SQL 分布式计算 Java
201 Spark SQL查询程序
201 Spark SQL查询程序
31 0