spark內核RDD的count操作是什么

這篇文章主要介紹“spark內核RDD的count操作是什么”，在日常操作中，相信很多人在spark內核RDD的count操作是什么問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”spark內核RDD的count操作是什么”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

RDD源碼的count方法：

從上面代碼可以看出來，count方法觸發SparkContext的runJob方法的調用：

進一步跟蹤runJob(rdd, (context: TaskContext, iter: Iterator[T]) => func(iter), partitions, allowLocal)方法：

2、clean(func)：

代碼分析：

3.1、進入submitJob(rdd, func, partitions, callSite, allowLocal, resultHandler, properties)：

上面代碼分析：

3.1.1、 進入new JobWaiter(this, jobId, partitions.size, resultHandler)方法

我們可以看出來，是給自己發消息的

3.1.3、進入  dagScheduler.handleJobSubmitted(jobId, rdd, func, partitions, allowLocal, callSite,listener, properties)方法

首先構建finalStage，然后又一個getMissingParentsStages方法，可以發現運行有本地運行和集群運行兩種模式，本地運行主要用于本地實驗和調試：

3.1.3.1、進入  finalStage = newStage(finalRDD, partitions.size, None, jobId, callSite)方法：

3.1.3.2、進入 runLocally(job)方法：

3.1.3.3.2、進入  getMissingParentStages(stage).sortBy(_.id) 方法：

跟進getShuffleMapState方法：

3.1.3.3.3、進入submitMissingTasks(stage, jobId.get) 方法：

到此，關于“spark內核RDD的count操作是什么”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！