【Spark亚太研究院系列丛书】Spark实战高手之路-第3章Spark架构设计与编程模型第3节②

三，深入RDD

RDD本身是一个抽象类，具有很多具体的实现子类：

RDD都会基于Partition进行计算：

 

默认的Partitioner如下所示：

其中HashPartitioner的文档说明如下：

另外一种常用的Partitioner是RangePartitioner：

RDD在持久化的需要考虑内存策略：

Spark提供很多StorageLevel可供选择：

 

于此同时Spark提供了unpersistRDD:

对RDD本身还有一个非常重要的CheckPoint操作：

其中doCheckpoint的细节如下：

以NewHadoopRDD为例，其内部的信息如下所示：

以WholeTextFileRDD为例，其内部的信息如下所示：

RDD在产生作业调用的时候，经典的过程如下所示：