• <nav id="dstbx"></nav>

    <nav id="dstbx"></nav>
    1. <form id="dstbx"></form>
    2. <small id="dstbx"></small>

      教育行業A股IPO第一股(股票代碼 003032)

      全國咨詢/投訴熱線:400-618-4000

      RDD容錯機制?RDD是如何恢復數據的?

      更新時間:2021年03月05日17時06分 來源:傳智教育 瀏覽次數:



      RDD是一個容錯的、并行的數據結構,可以讓用戶顯式地將數據存儲到磁盤和內存中,并且還能控制數據的分區。對于迭代式計算和交互式數據挖掘,RDD可以將中間計算的數據結果保存在內存中,當Spark集群中的某一個節點由于宕機導致數據丟失,就可以通過Spark中的RDD進行容錯恢復已經丟失的數據。RDD提供了兩種故障恢復的方式,分別是血統(Lineage)方式和設置檢查點(checkpoint)方式。下面,我們就來介紹一下這兩種方式。


      血統(Lineage)方式,主要是根據RDD之間的依賴關系對丟失數據的RDD進行數據恢復。如果丟失數據的子RDD在進行窄依賴運算,則只需要把丟失數據的父RDD的對應分區進行重新計算即可,不需要依賴其他的節點,并且在計算過程中不會存在冗余計算;若丟失數據的RDD進行寬依賴運算,則需要父RDD的所有分區都要進行從頭到尾的計算,在計算過程中會存在冗余計算。為了解決寬依賴運算中出現的計算冗余問題,Spark又提供了另一種方式進行數據容錯,即設置檢查點(checkpoint)方式。

      設置檢查點(checkPoint)方式,本質上是將RDD寫入磁盤進行存儲。當RDD在進行寬依賴運算時,只需要在中間階段設置一個檢查點進行容錯,即通過Spark中的sparkContext對象調用setCheckpoint()方法,設置一個容錯文件系統目錄(如HDFS)作為檢查點checkpoint,將checkpoint的數據寫入之前設置的容錯文件系統中進行高可用的持久化存儲,若是后面有節點出現宕機導致分區數據丟失,則可以從做檢查點的RDD開始重新計算即可,不需要進行從頭到尾的計算,這樣就會減少開銷。




      猜你喜歡:

      RDD為什么要進行數據持久化?持久化詳細操作步驟示例

      怎樣使用Linux和HDFS創建RDD?

      RDD是如何操作數據轉換的?RDD轉換算子API示例

      傳智教育大數據培訓課程


      0 分享到:
      神马影院我不卡