rdd后面的数字是什么意思答案

【问题标题】：What does the number meaning after the rddrdd后面的数字是什么意思
【发布时间】：2018-01-17 16:24:16
【问题描述】：

rdd后面括号里的数字是什么意思？

【问题讨论】：

【解决方案1】：

RDD后面的数字是它的标识符：

Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 2.3.0
      /_/

Using Scala version 2.11.8 (OpenJDK 64-Bit Server VM, Java 1.8.0_151)
Type in expressions to have them evaluated.
Type :help for more information.

scala> val rdd = sc.range(0, 42)
rdd: org.apache.spark.rdd.RDD[Long] = MapPartitionsRDD[1] at range at <console>:24

scala> rdd.id
res0: Int = 1

它用于在整个会话中跟踪 RDD，例如用于caching 之类的目的：

scala> rdd.cache
res1: rdd.type = MapPartitionsRDD[1] at range at <console>:24

scala> rdd.count
res2: Long = 42

scala> sc.getPersistentRDDs
res3: scala.collection.Map[Int,org.apache.spark.rdd.RDD[_]] = Map(1 -> MapPartitionsRDD[1] at range at <console>:24)

这个数字很简单，一个incremental integer（nextRddId 只是一个AtomicInteger）：

private[spark] def newRddId(): Int = nextRddId.getAndIncrement()

生成when RDD is constructed:

/** A unique ID for this RDD (within its SparkContext). */
val id: Int = sc.newRddId()

所以如果我们跟随：

scala> val pairs1 = sc.parallelize(Seq((1, "foo")))
pairs1: org.apache.spark.rdd.RDD[(Int, String)] = ParallelCollectionRDD[2] at parallelize at <console>:24

scala> val pairs2 = sc.parallelize(Seq((1, "bar")))
pairs2: org.apache.spark.rdd.RDD[(Int, String)] = ParallelCollectionRDD[3] at parallelize at <console>:24


scala> pairs1.id
res5: Int = 2

scala> pairs2.id
res6: Int = 3

你会看到 2 和 3，如果你执行

scala> pairs1.join(pairs2).foreach(_ => ())

您应该是 4，这可以通过检查 UI 来确认：

我们还可以看到join 在幕后创建了一些新的RDDs（5 和6）。

【讨论】：