[解決済み] Spark - repartition() vs coalesce()
2022-03-15 19:33:56
質問
ラーニングスパークによる
データの再分割はかなり高価な操作であることに留意してください。 また、Sparkには、最適化されたバージョンの
repartition()
というcoalesce()
を使用すると、データ移動を回避することができますが、RDDパーティションの数を減らす場合のみです。
私が得た1つの違いは
repartition()
パーティションの数を増減させることができるのに対して
coalesce()
パーティション数は減らすことしかできません。
パーティションが複数のマシンに分散している場合や
coalesce()
を実行した場合、どのようにデータ移動を回避できるのでしょうか?
どのように解決するのですか?
を回避することができます。 フル シャッフルします。もし、パーティション数が減少していることが分かっていれば、実行者は安全に最小数のパーティションにデータを保持し、余分なノードから保持したノードにデータを移動させるだけです。
ということは、こんな感じでしょうか。
Node 1 = 1,2,3
Node 2 = 4,5,6
Node 3 = 7,8,9
Node 4 = 10,11,12
次に
coalesce
を2分割にする。
Node 1 = 1,2,3 + (10,11,12)
Node 3 = 7,8,9 + (4,5,6)
ノード1とノード3は、移動するために元のデータを必要としなかったことに注意してください。
関連
-
[解決済み] spark.sql.autoBroadcastJoinThresholdは、Datasetの結合演算子を使用して結合するために動作しますか?
-
[解決済み] Spark コンテキスト 'sc' が定義されていない
-
[解決済み] Apache SparkとAkkaの比較【終了しました
-
[解決済み] format("kafka") で "Failed to find data source: kafka." とエラーになるのはなぜですか?(uber-jarを使用しても)失敗しますか?
-
[解決済み] Spark: 2つのDataFrameを減算する
-
[解決済み] sparkでsaveAsTextFileするときのファイル名の付け方は?
-
[解決済み] pyspark : NameError: name 'spark' is not defined.
-
[解決済み] spark.yarn.executor.memoryOverhead "の設定値?
-
[解決済み] spark checkpointとpersist to a diskの違いは何ですか?
-
[解決済み】Spark StandaloneクラスタのWorker、Executor、Coreとは何ですか?
最新
-
nginxです。[emerg] 0.0.0.0:80 への bind() に失敗しました (98: アドレスは既に使用中です)
-
htmlページでギリシャ文字を使うには
-
ピュアhtml+cssでの要素読み込み効果
-
純粋なhtml + cssで五輪を実現するサンプルコード
-
ナビゲーションバー・ドロップダウンメニューのHTML+CSSサンプルコード
-
タイピング効果を実現するピュアhtml+css
-
htmlの選択ボックスのプレースホルダー作成に関する質問
-
html css3 伸縮しない 画像表示効果
-
トップナビゲーションバーメニュー作成用HTML+CSS
-
html+css 実装 サイバーパンク風ボタン
おすすめ
-
[解決済み] spark.sql.autoBroadcastJoinThresholdは、Datasetの結合演算子を使用して結合するために動作しますか?
-
[解決済み] PySparkのデータフレームで、各キーのパーセンタイルはどのように計算されますか?
-
[解決済み] Spark が "java.net.URISyntaxException" を報告するのはなぜですか?DataFrameを使用する際に「java.net.URIStyntaxException: Relative path in absolute URI」と表示されるのはなぜですか?
-
[解決済み] Sparkのバージョンを確認する方法【終了しました
-
[解決済み] TypeError: 'Column' オブジェクトは WithColumn を使用して呼び出すことができません。
-
[解決済み] プロパティspark.yarn.jars - どのようにそれに対処するのですか?
-
[解決済み] Spark - repartition() vs coalesce()
-
[解決済み】Spark Dataframeで列の内容をすべて表示するにはどうすればよいですか?
-
[解決済み】Spark StandaloneクラスタのWorker、Executor、Coreとは何ですか?
-
[解決済み] 複数のテキストファイルを1つのRDDに読み込むには?