[大数据]Spark 源码解读04---（文件生成的）rdd的分区数据划分

2.4、从外部存储（文件）创建rdd的数据如何划分

• 代码案例

  val conf = new SparkConf().setAppName("Simple Application").setMaster("local[*]")
  val sc = new SparkContext(conf)
  // 读取本地文件
  val readline = sc.textFile("input/1.txt")
  readline.collect.foreach(println)
  

• 源码解读

  /*
  假设字节数为 7 默认分区数为 2：
  goalSize = 7 / 2 -->  3byte
  再根据goalSize计算实际分区数:
  实际分区个数 = 7 / 3  --> 2 余数为 1 ; 1/3 = 0.33 
  所以实际分区数为： 2 + 1 = 3
  */
  /*
  如上3个分区 每个分区有3个字节
  每个分区的根据文件的起始偏移量来划分
  0: [0,3]
  1: [3,6]
  2: [6,7]
  还要注意：如果某个分区刚刚截取到一行的中间，那么他将会把整行都放在该分区中，
  因为hadoop读取分区是一行一行的读取，下一个分区将会从下一行开始读取。
  */
  
  
  

• 总结

  文件创建rdd 的数据划分根据每个分区的根据文件的起始偏移量来划分，切数据是一行一行的读取，如果某个分区刚刚截取到一行的中间，那么他将会把整行都放在该分区中。

2.1、从集合中创建rdd的分区个数

2.2、从集合中创建rdd的分区数据如何划分

2.3、从外部存储（文件）创建rdd的个数

2.4、从外部存储（文件）创建rdd的数据如何划分