关于javascript:Spark-RDD在Spark中的地位和作用如何

Spark RDD的外围原理

1、Spark的外围概念是RDD (resilientdistributed dataset)，指的是一个只读的，可分区的分布式数据集，这个数据集的全副或局部能够缓存在内存中，在屡次计算间重用。

2、RDD在形象上来说是一种元素汇合，蕴含了数据。它是被分区的，分为多个分区，每个分区散布在集群中的不同Work节点上，从而让RDD中的数据能够被并行操作。(分布式数据集)

3、RDD通常通过Hadoop上的文件，即HDFS文件或者Hive表，来进行创立;有时也能够通过RDD的本地创立转换而来。

4、传统的MapReduce尽管具备主动容错、均衡负载和可拓展性的长处，然而其最大毛病是采纳非循环式的数据流模型，使得在迭代计算式要进行大量的磁盘IO操作。RDD正是解决这一毛病的形象办法。

RDD最重要的个性就是，提供了容错性，能够主动从节点失败中恢复过来。即如果某个节点上的RDD partition，因为节点故障，导致数据丢了，那么RDD会主动通过本人的数据起源从新计算该partition。这所有对使用者是通明的。RDD的lineage个性。

5、RDD的数据默认状况下寄存在内存中的，然而在内存资源有余时，Spark会主动将RDD数据写入磁盘。(弹性)

e8af68b7115e48207a63c74ac06cb7c3.png

一、为什么会有Spark?

因为传统的并行计算模型无奈无效的解决迭代计算(iterative)和交互式计算(interactive)而Spark的使命便是解决这两个问题，这也是他存在的价值和理由.

二、Spark如何解决迭代计算?

其次要实现思维就是RDD,把所有计算的数据保留在分布式的内存中.迭代计算通常状况下都是对同一个www.sangpi.com数据集做重复的迭代计算，数据在内存中将大大晋升IO操作.这也是Spark波及的外围:内存计算.

三、Spark如何实现交互式计算?

因为Spark是用scala语言实现的,Spark和scala可能严密的集成,所以Spark能够完满的使用scala的解释器,使得其中的scala能够向操作本地汇合对象一样轻松操作分布式数据集.

四、Spark和RDD的关系?