Spark--从RDD的角度来看Spark内部原理

  - 上篇博客主要讲了Spark的执行流程,看完后应该是对Spark有一个整体的了解,对Spark各个组件的工作流程都应该是有一个很清晰的认识了。
本篇博客,笔者主要是继续接着“宜人蜂巢内部分享”,从RDD的角度来看Spark的内部原理,包括以下内容:

  1. RDD为什么是Spark的核心概念
  2. 通过一个wordCount例子来看一看RDD
  3. RDD的管理与操作(算子)
  4. 常见的RDD操作有哪些(包括RDD的分类)
  5. RDD的依赖关系(DAG)
  6. RDD依赖关系的划分(stage)

Spark--从Spark组件来看Spark的执行流程

  上周在 宜人蜂巢 内部分享了 spark 、和 spark streaming 相关的主题,现在有些空闲时间,就整理了一下,放在博客上面。

  • 一篇博客描述不完整,即使讲完了也会显得很臃肿,所以会分为以下几篇博客来讲解:
  1. Spark – Spark 相关介绍(如下)
  2. Spark – 从Spark组件来看Spark的执行流程(如下)
  3. Spark – 从RDD的角度来看Spark内部原理
  4. Spark Streaming – 相关介绍
  5. Spark Streaming – 相关应用(这个之前的博客已经讲了)

Spark Streaming--应用与实战(五)

  前期的一系列 Spark Streaming相关博客 其实还没写完,对于宜人蜂巢这样一个多维度的实时数据抓取服务来讲,对性能的要求极高,需要更多的压测与性能检测。 还有一些优化和监控,一直没更新主要是因为还不够完善,但是最近也没时间来弄了。虽然不完善但是还是可以写写已经完成的,因为也有不少网友通过微信和邮件联系到了我,也讨论了一些问题,后续再继续跟进吧。

Streaming 持续优化之HBase

当前网速较慢或者你使用的浏览器不支持博客特定功能,请尝试刷新或换用Chrome、Firefox等现代浏览器