【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①

一、以RDD为基石的Spark编程模型

在Spark中一切都是基于RDD的：

什么是RDD呢？官方给出的解释是：

也就是说每个RDD都至少有以下三个函数实现:

 

Spark自带了非常多的RDD:

RDD主要分为两种：

 

其中的transformations是lazy execution的，需要具体的action去触发，每个action操作都是一个单独的job；

接下来我们看一个具体的RDD操作的例子：

 

 

RDD中有两个比较特殊的RDD:

这两个RDD的特殊之处在于皆是控制性操作的RDD：

二，RDD的依赖和运行时

在Spark中RDD是具备依赖关系的，而依赖分为两种：

“Narrow”依赖的一个好处就是可以进行内部的pipeline操作：

运行的时候是以RDD为统一抽象并行化运行：

更进一步的详细RDD并行化计算过程如下所示：

正如所有的分布式结构一样，Spark分布式集群也是主从结构的：

Spark运行时组件如下所示：

Spark运行时候的事件流如下所示：