Spark算子reduceByKey詳解
reduceByKey與groupByKey
不同之處
reduceByKey,多了一個rdd,MapPartitionsRDD,存在於stage0的,主要是代表了進行本地數據規約之後的rdd,網絡傳輸的數據量,以及磁盤IO等,會減少,性能更高
相同之處
後面進行shuffle read和聚合的過程基本和groupByKey類似。都是ShuffledRDD,去做shuffle read。然後聚合,聚合後的數據就是最終的rdd
reduceByKey,多了一個rdd,MapPartitionsRDD,存在於stage0的,主要是代表了進行本地數據規約之後的rdd,網絡傳輸的數據量,以及磁盤IO等,會減少,性能更高
後面進行shuffle read和聚合的過程基本和groupByKey類似。都是ShuffledRDD,去做shuffle read。然後聚合,聚合後的數據就是最終的rdd