spark - 持续存在两次RDD过程
我制作了一个RDD并从原点创建了另一个RDD，如下所示。
val RDD2 = RDD1.map({
println("RDD1")
....
}).persist(StorageLevel.MEMORY_AND_DISK)
RDD2.foreach({
println("RDD2")
...
})
...so on..
我期望RDD1的进程只进行一次，因为RDD1通过persist方法保存在内存或磁盘上。
但不知何故，“RDD1”打印在“RDD2”之后，如下所示。
RDD1
RDD1
RDD1
RDD1
RDD2
RDD2
RDD2
RDD2
RDD2
RDD1 -- repeat RDD1 process. WHY?
RDD1
RDD1
RDD1
RDD2
RDD2
RDD2
RDD2
RDD2
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。这是Spark的预期行为。即使您为第一个RDD添加持久性，spark也不会缓存数据，除非您在持久操作之后添加任何操作。map操作不是spark中的动作。
强制执行缓存的方法是count在持久化之后添加操作RDD2
val RDD2 = RDD1.map({
println("RDD1")
....
}).persist(StorageLevel.MEMORY_AND_DISK)RDD2.count // Forces the caching
现在，如果您执行任何其他操作，则不会重新计算RDD22019-07-17 23:20:01赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
