java - 在同一节点上进行分区处理？

Question

Spark 在 RDD 中创建逻辑分区。我有两个问题:-

1) Google 上到处都说分区有助于并行处理，其中每个分区可以在单独的节点上处理。我的问题是我是否有多核机器，我不能在同一节点处理分区吗？

2) 假设我从文件系统读取文件，并且 Spark 创建了一个具有四个分区的 RDD。现在每个分区可以进一步划分为RDD吗？例如:-

 firstRDD=sc.textFile("hdfs://...")
 //firstRDD contains four partition which are processed on four diff nodes
 secondRDD=firstRDD.filter(someFunction);
// Now will each node create separate secondRDD  which will have further paritions ?

Answer 1

分割为 4 个分区(可能位于单个节点或最多 4 个节点)的输入文本文件将不会被分割为更多分区，因此将由读取它们的同一执行器进行评估最初。 但是，您可以对 RDD/数据帧进行重新分区以提高并行度(例如为 64 个执行器分配 64 个分区)。这将强制进行洗牌，这可能成本高昂，但值得，特别是在计算量大的工作中。出现此问题的常见情况是读取不可分割的文件(例如 GZIP 文件)。无论文件大小如何，单个执行程序都必须读入文件(并进行处理!!)。因此，重新分区对于许多 GZIP 工作负载非常有益，因为它有利于并行计算。