Spark的 partitioner 都有哪些?/RDD的分区函数

举报
孙中明 发表于 2022/02/23 08:25:23 2022/02/23
【摘要】 Spark的 partitioner 都有哪些?/RDD的分区函数RDD分区函数HashPatitoner和 RangePatitoner 实现1、HashPatitioner分区:对于给定的key值,计算其 hashcode除以分区数取余,最后这个值就是分区的id。可能会出现数据不均匀,因为同一 key值都在同一分区。2、RangerPartitoner分区:将一定范围的数映射到某一分区...

Spark的 partitioner 都有哪些?/RDD的分区函数

RDD分区函数HashPatitoner和 RangePatitoner 实现

1、HashPatitioner分区:对于给定的key值,计算其 hashcode除以分区数取余,最后这个值就是分区的id。可能会出现数据不均匀,因为同一 key值都在同一分区。

2、RangerPartitoner分区:将一定范围的数映射到某一分区内。
第一步:确定边界,从所有的RDD当中随机抽取样本并进行排序,依次来确定分区的rangerBounds(边界)(这里因为RDD如果很大的话,没法按照计算总量,所以需要用到蓄水池抽样)。
第二步:计算key值在rangerBounds所处的范围,得出分区id。

额外:蓄水池抽样算法,不知总量的随机抽样。找个 leetcode敲下理解。


leetcode382.Linked List Random Node(算法随机采样)
Init : a reservoir with the size: k   //k is the sample number
fori=k+1 to N
	M=random(1, i);
	if(M<k)
	SWAP the Mth value and ith value
end for
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。