[大数据]Apache Spark：主要使用理念

1. 声明

当前内容主要为记录学习Learning Spark书籍中部分的内容，并作出使用上面的总结

2. Spark的基本使用理念

1.由于使用懒计算的方式，所以只有action的操作才会执行，transform操作不会执行

2.使用数据的时候，如果当前的RDD未持久化或者缓存，那么每次action操作都会出现重头开始的计算，非常不高效

3.Spark默认采用Scala语言编写，所以SparkContext就是scala的，java中需要使用JavaSparkContext

4.基本所有的操作都是通过函数方式

3.Spark中的基本transform

遵循的基本原则：只要是返回一个RDD的基本上算是一个transform!

例如：

1. textFile
2. filter
3. distinct
4. union等数学集合操作

…等其他操作

该操作会等待直到遇到一个action时才会从头开始执行，最后计算

例如：只有textFile时，Spark不会真的读取所有文件，只是加入到执行计划中

4. Spark中的基本action

遵循的基本原则：不返回RDD的基本上算是一个action

例如：

1. count 统计数量
2. countByValue 按值进行map统计数量
3. first 拿出第一个值
4. forEach
5. collect
6. reduce

… 等其他的操作

如果RDD未缓存，那么action就从头开始计算

5. 缓存

可以让计算结果保存起来，再次遇到action的时候会重用(persist())

优点：提高某个RDD结果使用率，提高效率
缺点：缓存太大，容易出现缓存失败的问题，可以通过unpersist解除缓存，必须在下次action之前使用