- 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?
我正在开发一个 Spark 处理框架,它读取大型 CSV 文件,将它们加载到 RDD 中,执行一些转换,最后保存一些统计信息。
有问题的 CSV 文件平均约为 50GB。我正在使用 Spark 2.0。
我的问题是:
当我使用 sparkContext.textFile() 函数加载文件时,是否需要先将文件存储在驱动程序的内存中,然后将其分发给工作人员(因此需要驱动程序上相当大的内存)?或者每个工作人员都“并行”读取文件,在某种程度上,他们都不需要存储整个文件,而驱动程序仅充当“管理器”?
提前致谢
最佳答案
当您定义读取时,文件将根据您的并行方案划分为分区,并将指令发送给工作人员。然后工作人员直接从文件系统读取文件(因此需要一个分布式文件系统可用于所有节点,例如 HDFS)。
作为旁注,使用 spark.read.csv 而不是在 RDD 中将其读取到数据帧会好得多。这将占用更少的内存,并允许 spark 优化您的查询。
更新
在评论中,有人问如果文件系统没有分发并且文件只位于一台机器上会发生什么。
答案是,如果您有超过 1 台机器,它很可能会失败。
当您执行 sparkContext.textFile 时,实际上没有读取任何内容,它只是告诉 spark 您想要读取的内容。然后您对其进行一些转换,但仍然没有读取任何内容,因为您正在定义一个计划。一旦你执行了一个 Action (例如收集),那么实际的处理就开始了。 Spark 会将作业划分为任务并将它们发送给执行者。执行器(可能在主节点或工作节点上)然后会尝试读取文件的一部分。问题在于,不在主节点上的任何执行程序都会查找该文件,但无法找到它,从而导致任务失败。 Spark 会重试几次(我相信默认值为 4)然后完全失败。
当然,如果您只有一个节点,那么所有执行程序都会看到该文件,一切都会好起来的。同样在理论上,任务可能会在 worker 上失败,然后在 master 上重新运行并在那里成功,但在任何情况下,worker 都不会做任何工作,除非他们看到文件的副本。
您可以通过将文件复制到所有节点中完全相同的路径或使用任何类型的分布式文件系统(甚至 NFS 共享也可以)来解决此问题。
当然,您始终可以在单个节点上工作,但这样您就无法利用 Spark 的可扩展性。
关于csv - 以分布式方式读取Spark中的CSV文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42169926/
我想做的是让 JTextPane 在 JPanel 中占用尽可能多的空间。对于我使用的 UpdateInfoPanel: public class UpdateInfoPanel extends JP
我在 JPanel 中有一个 JTextArea,我想将其与 JScrollPane 一起使用。我正在使用 GridBagLayout。当我运行它时,框架似乎为 JScrollPane 腾出了空间,但
我想在 xcode 中实现以下功能。 我有一个 View Controller 。在这个 UIViewController 中,我有一个 UITabBar。它们下面是一个 UIView。将 UITab
有谁知道Firebird 2.5有没有类似于SQL中“STUFF”函数的功能? 我有一个包含父用户记录的表,另一个表包含与父相关的子用户记录。我希望能够提取用户拥有的“ROLES”的逗号分隔字符串,而
我想使用 JSON 作为 mirth channel 的输入和输出,例如详细信息保存在数据库中或创建 HL7 消息。 简而言之,输入为 JSON 解析它并输出为任何格式。 最佳答案 var objec
通常我会使用 R 并执行 merge.by,但这个文件似乎太大了,部门中的任何一台计算机都无法处理它! (任何从事遗传学工作的人的附加信息)本质上,插补似乎删除了 snp ID 的 rs 数字,我只剩
我有一个以前可能被问过的问题,但我很难找到正确的描述。我希望有人能帮助我。 在下面的代码中,我设置了varprice,我想添加javascript变量accu_id以通过rails在我的数据库中查找记
我有一个简单的 SVG 文件,在 Firefox 中可以正常查看 - 它的一些包装文本使用 foreignObject 包含一些 HTML - 文本包装在 div 中:
所以我正在为学校编写一个 Ruby 程序,如果某个值是 1 或 3,则将 bool 值更改为 true,如果是 0 或 2,则更改为 false。由于我有 Java 背景,所以我认为这段代码应该有效:
我做了什么: 我在这些账户之间创建了 VPC 对等连接 互联网网关也连接到每个 VPC 还配置了路由表(以允许来自双方的流量) 情况1: 当这两个 VPC 在同一个账户中时,我成功测试了从另一个 La
我有一个名为 contacts 的表: user_id contact_id 10294 10295 10294 10293 10293 10294 102
我正在使用 Magento 中的新模板。为避免重复代码,我想为每个产品预览使用相同的子模板。 特别是我做了这样一个展示: $products = Mage::getModel('catalog/pro
“for”是否总是检查协议(protocol)中定义的每个函数中第一个参数的类型? 编辑(改写): 当协议(protocol)方法只有一个参数时,根据该单个参数的类型(直接或任意)找到实现。当协议(p
我想从我的 PHP 代码中调用 JavaScript 函数。我通过使用以下方法实现了这一点: echo ' drawChart($id); '; 这工作正常,但我想从我的 PHP 代码中获取数据,我使
这个问题已经有答案了: Event binding on dynamically created elements? (23 个回答) 已关闭 5 年前。 我有一个动态表单,我想在其中附加一些其他 h
我正在尝试找到一种解决方案,以在 componentDidMount 中的映射项上使用 setState。 我正在使用 GraphQL连同 Gatsby返回许多 data 项目,但要求在特定的 pat
我在 ScrollView 中有一个 View 。只要用户按住该 View ,我想每 80 毫秒调用一次方法。这是我已经实现的: final Runnable vibrate = new Runnab
我用 jni 开发了一个 android 应用程序。我在 GetStringUTFChars 的 dvmDecodeIndirectRef 中得到了一个 dvmabort。我只中止了一次。 为什么会这
当我到达我的 Activity 时,我调用 FragmentPagerAdapter 来处理我的不同选项卡。在我的一个选项卡中,我想显示一个 RecyclerView,但他从未出现过,有了断点,我看到
当我按下 Activity 中的按钮时,会弹出一个 DialogFragment。在对话框 fragment 中,有一个看起来像普通 ListView 的 RecyclerView。 我想要的行为是当
我是一名优秀的程序员,十分优秀!