span 技術分享 註意 mat utf jpg input lin part

作者：王燚光
鏈接：https://www.zhihu.com/question/33270495/answer/93424104
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

梳理一下Spark中關於並發度涉及的幾個概念File，Block，Split，Task，Partition，RDD以及節點數、Executor數、core數目的關系。

輸入可能以多個文件的形式存儲在HDFS上，每個File都包含了很多塊，稱為Block。
當Spark讀取這些文件作為輸入時，會根據具體數據格式對應的InputFormat進行解析，一般是將若幹個Block合並成一個輸入分片，稱為InputSplit，註意InputSplit不能跨越文件。
隨後將為這些輸入分片生成具體的Task。InputSplit與Task是一一對應的關系。
隨後這些具體的Task每個都會被分配到集群上的某個節點的某個Executor去執行。

• 每個節點可以起一個或多個Executor。
• 每個Executor由若幹core組成，每個Executor的每個core一次只能執行一個Task。
• 每個Task執行的結果就是生成了目標RDD的一個partiton。

作者：王燚光
鏈接：https://www.zhihu.com/question/33270495/answer/93424104
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

spark分區數,task數目,core數,worker節點個數,excutor數量梳理