Spark源碼分析之Spark Shell（上）
終於開始看Spark源碼了，先從最常用的spark-shell腳本開始吧。不要覺得一個啟動腳本有什么東東，其實里面還是有很多知識點的。另外，從啟動腳本入手，是尋找代碼入口最簡單的方法，很多開源框架，其實都可以通過這種方式來尋找源碼入口。 先來介紹一下Spark-shell是什么 ...
原文：Spark源碼分析 -- PairRDD
和一般RDD最大的不同就是有兩個泛型參數, K, V 表示pair的概念 關鍵的function是, combineByKey, 所有pair相關操作的抽象 combine是這樣的操作, Turns an RDD K, V into a result of type RDD K, C 其中C有可能只是簡單類型, 但經常是seq, 比如 Int, Int to Int, Seq Int 下面來看看c ...
2013-12-24 15:21 1 3562 推薦指數：
相關推薦
Spark 源碼分析系列
如下，是 spark 相關系列的一些文章匯總，持續更新中...... Spark RPC spark 源碼分析之五--Spark RPC剖析之創建NettyRpcEnv spark 源碼分析之六--Spark RPC剖析之Dispatcher和Inbox、Outbox剖析 spark 源碼 ...
Spark Mllib源碼分析
1. Param Spark ML使用一個自定義的Map（ParmaMap類型），其實該類內部使用了mutable.Map容器來存儲數據。 如下所示其定義： Class ParamMap private[ml] (private ...
Spark 源碼分析 -- RDD
關於RDD, 詳細可以參考Spark的論文, 下面看下源碼 A Resilient Distributed Dataset (RDD), the basic abstraction in Spark. Represents an immutable, partitioned collection ...
Spark源碼分析 – BlockManager
參考, Spark源碼分析之-Storage模塊 對於storage, 為何Spark需要storage模塊？為了cache RDD Spark的特點就是可以將RDD cache在memory或disk中，RDD是由partitions組成的，對應於block 所以storage模塊，就是要實現 ...
Spark源碼分析 – SparkEnv
時被創建 SparkEnv Class 用於hold所有Spark運行時的環境對象, ...
Spark源碼分析 – DAGScheduler
DAGScheduler的架構其實非常簡單, 1. eventQueue, 所有需要DAGScheduler處理的事情都需要往eventQueue中發送event 2. eventLoop Thr ...
Spark源碼系列（九）spark源碼分析以及優化
第一章、spark源碼分析之RDD四種依賴關系 一、RDD四種依賴關系 RDD四種依賴關系，分別是 ShuffleDependency、PrunDependency、RangeDependency和OneToOneDependency四種依賴關系。如下圖所示 ...