1. RDD

概念

RDD(Resilient Distributed Dataset)，弹性分布式数据集。

★RDD的五大特性：

1. RDD是由一系列的partition组成的。
A list of partitions

2. 函数是作用在每一个partition（split）上的。
A function for computing each split

3. RDD之间有一系列的依赖关系。
A list of-dependencies on other RDDs

4. 分区器是作用在K,V格式的RDD上。
Optionally,a Partitioner for key-value RDDs

5. RDD提供一系列最佳的计算位置。
Optionally,a list of preferred locations to compute each split on
RDD理解图:


注意：

• textFile方法底层封装的是MR读取文件的方式，读取文件之前先split，默认split大小是一个block大小。
• RDD实际上不存储数据，这里方便理解，暂时理解为存储数据。

知识点解析:

• 1.什么是K,V格式的RDD?
  如果RDD里面存储的数据都是二元组对象，那么这个RDD我们就叫做K,V格式的RDD。
• 2.哪里体现RDD的弹性（容错）？
  partition数量，大小没有限制，体现了RDD的弹性。
  RDD之间依赖关系，可以基于上一个RDD重新计算出RDD。
• 3.哪里体现RDD的分布式？
  RDD是由Partition组成，partition是分布在不同节点上的。
  RDD提供计算最佳位置，体现了数据本地化。体现了大数据中“计算移动数据不移动”的理念。

Lineage血统

最后

以上就是苹果蓝天最近收集整理的关于2. RDD 概念&5大特性1. RDD的全部内容，更多相关2.内容请搜索靠谱客的其他文章。