[Spark RDD_add_2] Spark RDD 分区补充内容

---

 

　　【Spark & Hadoop 的分区】

1. Spark 的分区是切片的个数，每个 RDD 都有自己的分区数。
2. Hadoop 的分区指的是 Reduce 的个数，是 Map 过程中对 Key 进行分发的目的地。

 

　　

　　【指定分区 repartition 和 coalesce】

　　rdd.repartition() 调用的就是 coalesce，始终进行 shuffle 操作。
　　如果是减少分区，推荐使用 coalesce,可以指定是否进行 shuffle 操作。
　　通过 coalesce 增加分区时，必须指定 shuffle 为 true，否则分区数不变。

 

　　

 

　　

 

 

 

---