标签：lis print cond tap format 也会 nsf log 算法
spark非常重要的一个功能特性就是可以将RDD持久化在内存中。当对进行持久化操作时，每个节点都会将自己的操作的RDD的partition持久化到内存中，并且在之后对该RDD的反复使用中，直接使用内存缓存的partition．这样的话，对于针对一个RDD反复执行多个操作的场景，就要对RDD计算一次即可，后面直接使用该RDD，而不需要反复计算多次该RDD。
巧妙使用RDD持久化，甚至在某些场景下，可以将Spark程序的性能提高10倍。对于迭代式算法和快速交互式应用来说，RDD持久化，是非常重要的。
要持久化一个RDD，只要调用其cache()或者persist()方法即可。在该RDD第一次计算出来时，就会直接缓存在每个节点中而且spark的持久化机制还是会自动容错的，如果持久化的RDD的任何partition丢失了，那么spark会自动通过其源RDD，使用transformation操作重新计算该partition
cache()和persisit()的区别在于，cache()是persist()的一和简化方式，cache()的底层调用persist()的无参版本，同时就是调用persist(MEMORY_ONLY),将数据持久化到内存中。如果需要在内存中清除缓存，那么可以使用unpersist()方法。
spark自己也会在shuffle操作时，进行数据的持久化，比如写入磁盘，主要是为了在节点失败时，避免需要重新计算整个过程。
package cn.rzlee.spark; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; /** * @Author ^_^ * @Create 2018/11/3 */ public class Persist { public static void main(String[] args) { SparkConf conf = new SparkConf().setAppName("Persist").setMaster("local[2]"); JavaSparkContext sc = new JavaSparkContext(conf); JavaRDD<String> lines = sc.textFile("C:\\Users\\txdyl\\Desktop\\log\\in\\data.txt", 1).cache(); long beginTime = System.currentTimeMillis(); long count = lines.count(); System.out.println(count); long endTime = System.currentTimeMillis(); System.out.println("cost "+(endTime - beginTime) + "millisecond"); beginTime = System.currentTimeMillis(); count = lines.count(); System.out.println(count); endTime = System.currentTimeMillis(); System.out.println("cost "+(endTime - beginTime) + "millisecond"); sc.close(); } }
标签：lis print cond tap format 也会 nsf log 算法
原文地址：https://www.cnblogs.com/RzCong/p/9899936.html
