[英]Spark Aggregatebykey partitioner order
如果我将哈希分区程序应用于Spark的aggregatebykey函数,即myRDD.aggregateByKey(0, new HashPartitioner(20))(combOp, mergeOp)
在使用combOp和mergeOp聚合键/值对之前,myRDD是否会先进行重新分区? 还是myRDD首先通过combOp和mergeOp,然后使用HashPartitioner对生成的RDD进行重新分区?
aggregateByKey
在最终洗牌之前应用地图端聚合。 由于每个分区都是按顺序处理的,因此在此阶段应用的唯一操作是初始化(创建zeroValue
)和combOp
。 mergeOp
的目标是合并聚合缓冲区,因此在混洗之前不使用它。
如果输入RDD是ShuffledRDD
与同分区的请求aggregateByKey
则数据根本没有被洗牌和数据使用本地聚集mapPartitions
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.