标签：lineage 依赖 15 分区 Partition RDD 丢失
RDD的依赖关系
依赖类型
RDD根据依赖关系，可以分为父RDD和子RDD，父RDD就是被子RDD依赖的RDD。
而父RDD与子RDD的依赖关系，可以分为两种类型：
- 窄依赖（narrow dependency）
- 宽依赖（wide dependency）
窄依赖
窄依赖：指的是每一个父RDD的Partition最多被子RDD的一个Partition使用，可比喻为独生子女。
map/flatMap/filter/union等算子操作都是窄依赖，所有的窄依赖不会产生shuffle
宽依赖
宽依赖：指的是多个子RDD的Partition会依赖同一个父RDD的Partition，可比喻为超生。
reduceByKey/sortByKey/groupBy/groupByKey/join等算子操作都是宽依赖，所有的宽依赖会产生shuffle
示意图
补充说明
由上图可知，join分为宽依赖和窄依赖，如果RDD有相同的partitioner(本质是看分区函数或者分区逻辑是否相同），那么将不会引起shuffle，这种join是窄依赖，反之就是宽依赖。详情看下图：
lineage（血统）理解即可
RDD只支持粗粒度转换：即只记录单个块上执行的单个操作。
那么，就需要创建RDD的一系列Lineage（即血统）记录下来，以便恢复丢失的分区。
RDD的Lineage会记录RDD的元数据信息和转换行为，lineage保存了RDD的依赖关系，当该RDD的部分分区数据丢失时，它可以根据这些信息来重新运算和恢复丢失的数据分区。
比如，下图中的rdd2的1号分区的数据丢失了，那么就可以根据血统lineage保存的RDD的依赖关系和转换行为等，将rdd1中的数据进行flatMap操作恢复丢失的数据。
标签：lineage,依赖,15,分区,Partition,RDD,丢失 来源： https://www.cnblogs.com/jimmy888/p/13551717.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。