- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我很好奇 Spark 中的 reduce(f: (T, T) => T): T
函数是如何工作的。
当我让 X 个节点处理数据,然后通过使用 reduce
聚合结果数据时,聚合究竟是如何工作的?聚合和归约涉及多少个节点?
节点是指 Spark 应用程序的驱动程序和执行程序。
最佳答案
深入查看代码,您会发现以下注释:
/**
* Reduces the elements of this RDD using the specified commutative and
* associative binary operator.
*/
def reduce(f: (T, T) => T): T
对函数的限制对于确保 reduce
正常工作很重要。至于“它是如何工作的”,reduce
将在本地应用于每个分区,其结果将一起减少以获得最终结果。
因此,持有数据的 X 个节点都将并行执行 reduce
操作,其结果将在驱动程序节点上聚合在一起。假设函数是可交换的和结合的将确保稳定的结果(即,独立于函数如何应用于数据的顺序)
一个简化的例子:
给定一个执行器上有 3 个分区的 rdd:
rdd =
p1 - [1, 3, 5, 7, 9, 11]
p2 - [2, 3, 5, 7, 11, 13]
p3 - [1, 1, 2, 3, 5, 8]
然后 rdd.reduce(_ + _)
:
+-------+---------- stage1-------------------+to driver+------------------------+
| EX1 | [1, 3, 5, 7, 9, 11 ].reduce(_ + _) | => 36 | |
| EX2 | [2, 3, 5, 7, 11, 13].reduce(_ + _) | => 41 | |
| EX3 | [1, 1, 2, 3, 5, 8 ].reduce(_ + _) | => 20 | |
| Driver| | | (36,41,20).reduce(_+_) |
+-------+------------------------------------+---------+------------------------+
在执行这样一个简单的 Action 后,在 Spark 日志中可以观察到同样的情况:
val rdd = sc.parallelize(1 to 15,3)
rdd.reduce(_ + _)
TaskSchedulerImpl: Adding task set 1.0 with 3 tasks
TaskSetManager: Starting task 0.0 in stage 1.0 (TID 3, localhost, PROCESS_LOCAL, 1220 bytes)
TaskSetManager: Starting task 1.0 in stage 1.0 (TID 4, localhost, PROCESS_LOCAL, 1220 bytes)
TaskSetManager: Starting task 2.0 in stage 1.0 (TID 5, localhost, PROCESS_LOCAL, 1220 bytes)
Executor: Running task 1.0 in stage 1.0 (TID 4)
Executor: Running task 0.0 in stage 1.0 (TID 3)
Executor: Running task 2.0 in stage 1.0 (TID 5)
Executor: Finished task 1.0 in stage 1.0 (TID 4). 727 bytes result sent to driver
Executor: Finished task 0.0 in stage 1.0 (TID 3). 727 bytes result sent to driver
Executor: Finished task 2.0 in stage 1.0 (TID 5). 727 bytes result sent to driver
TaskSetManager: Finished task 1.0 in stage 1.0 (TID 4) in 4 ms on localhost (1/3)
TaskSetManager: Finished task 0.0 in stage 1.0 (TID 3) in 6 ms on localhost (2/3)
TaskSetManager: Finished task 2.0 in stage 1.0 (TID 5) in 6 ms on localhost (3/3)
DAGScheduler: Stage 1 (reduce at <console>:14) finished in 0.007 s
TaskSchedulerImpl: Removed TaskSet 1.0, whose tasks have all completed, from pool
DAGScheduler: Job 1 finished: reduce at <console>:14, took 0.014196 s
关于apache-spark - reduce的聚合和归约使用了哪些节点?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28942376/
我有一个 Cassandra 集群,里面有 4 个表和数据。 我想使用聚合函数(sum,max ...)发出请求,但我在这里读到这是不可能的: http://www.datastax.com/docu
我有以下两张表 Table: items ID | TITLE 249 | One 250 | Two 251 | Three 我投票给这些: Table: votes VID | IID | u
这个问题在这里已经有了答案: Update MongoDB field using value of another field (12 个答案) 关闭 3 年前。 我想根据另一个“源”集合的文档中
我的收藏包含以下文件。我想使用聚合来计算里面有多少客户,但我遇到了一些问题。我可以获得总行数,但不能获得总(唯一)客户。 [{ _id: "n001", channel: "Kalip
我有下表 Id Letter 1001 A 1001 H 1001 H 1001 H 1001 B 1001 H 1001 H 1001
得到一列的表 ABC。 “创建”的日期列。所以样本值就像; created 2009-06-18 13:56:00 2009-06-18 12:56:00 2009-06-17 14:02:0
我有一个带有数组字段的集合: {[ name:String buyPrice:Int sellPrice:Int ]} 我试图找到最低和最高买入/卖出价格。在某些条目中,买入或卖出价格为零
我有以下问题: 在我的 mongo db 中,我有以下结构: { "instanceId": "12", "eventId": "0-1b", "activityType":
下面给出的是我要在其上触发聚合查询的 Elasticsearch 文档。 { "id": 1, "attributes": [ { "fieldId": 1,
我正在使用 Django 的 aggregate query expression总计一些值。最终值是一个除法表达式,有时可能以零作为分母。如果是这种情况,我需要一种方法来逃避,以便它只返回 0。 我
我正在学习核心数据,特别是聚合。 当前我想要做的事情:计算表中在某些条件上具有逆关系的多对关系的记录数。 目前我正在这样做: NSExpression *ex = [NSExpression expr
我需要有关 Delphi 中的 ClientDatasets 的一些帮助。 我想要实现的是一个显示客户的网格,其中一列显示每个客户的订单数量。我将 ClientDataset 放在表单上并从 Delp
我的集合有 10M 个文档,并且有一个名为 movieId 的字段;该文档具有以下结构: { "_id" : ObjectId("589bed43e3d78e89bfd9b779"), "us
这个问题已经有答案了: What is the difference between association, aggregation and composition? (21 个回答) 已关闭 9
我在 elasticsearch 中有一些类似于这些示例的文档: { "id": ">", "list": [ "a", "b", "c" ] } { "id"
我正在做一些聚合。但是结果完全不是我所期望的,似乎它们没有聚合索引中与我的查询匹配的所有文档,在这种情况下 - 它有什么好处? 例如,首先我做这个查询: {"index":"datalayer","t
假设我在 ES 中有这些数据。 | KEY | value | |:-----------|------------:| | A |
可能在我的文档中,我有一个被分析的文本字段。我只是在ElasticSearch AggregationAPI中迷路了。我需要2种不同情况的支持: 情况A)结果是带有计数标记(条款)的篮子下降。 情况B
我正在为网上商店构建多面过滤功能,如下所示: Filter on Brand: [ ] LG (10) [ ] Apple (5) [ ] HTC (3) Filter on OS: [ ] Andr
我有一个父/子关系并且正在搜索 child 。 是否可以在父属性上创建聚合? 例如parent 是 POST,children 是 COMMENT。如果父项具有“类别”属性,是否可以搜索 COMMEN
我是一名优秀的程序员,十分优秀!