风格网站,网站建设宣传ppt模板下载,seo博客模板,整合wordpress网上一堆人根本对计算框架一知半解就出来糊弄人#xff0c;常见解答有#xff1a; spark是基于内存计算#xff0c;所以快。这跟废话似的#xff0c;mr计算的时候不也是基于内存#xff1f; mr shuffle落盘。这也是胡扯#xff0c; spark shuffle不落盘#xff1f; 实际… 网上一堆人根本对计算框架一知半解就出来糊弄人常见解答有 spark是基于内存计算所以快。这跟废话似的mr计算的时候不也是基于内存 mr shuffle落盘。这也是胡扯 spark shuffle不落盘 实际上如果一个job只有一个map task和reduce task那么spark并不会比mr快很多。spark快的真正原因是当一个job具有多个stage时 我们将这个job表示为[map1,reduce1,map2,reduce2...reducen−1,mapn][map_1, reduce_1, map_2, reduce_2...reduce_{n-1}, map_n][map1,reduce1,map2,reduce2...reducen−1,mapn]那么mr会在每一个reducen−1reduce_{n-1}reducen−1和mapnmap_nmapn之间进行一次落盘和一次文件读取而spark因为可以将窄依赖的算子合并为一个stage所以在reducen−1reduce_{n-1}reducen−1和mapnmap_nmapn之间是不涉及落盘的直接基于内存计算。
举个小例子加深理解假设一个job涉及两个stage那么mr和spark的运行过程是这样的 可以看到 spark相较于MR而言少了一次hdfs文件落盘和一次文件读取如果一个job有nnn个stage比方说是机器学习算法那么spark可以节省n−1n-1n−1次文件落盘、读取。因此速度会快很多。
