spark:distinct算子实现原理

Posted hejunhong

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了spark:distinct算子实现原理相关的知识,希望对你有一定的参考价值。

distinct的底层使用reducebykey巧妙实现去重逻辑

//使用reduceByKey或者groupbykey的shuffle去重思想
rdd.map(key=>(key,null)).reduceByKey((key,value)=>key)
.map(_._1)

技术图片

 

以上是关于spark:distinct算子实现原理的主要内容,如果未能解决你的问题,请参考以下文章

Spark Distinct算子写入MySql TopN 性能分析

Hive常用算子实现原理简述--MapReduce版

Spark算子:RDD基本转换操作–mapflatMapdistinct

Spark-RDD 转换算子(Value 类型)

Spark Core学习之常用算子(含经典面试题)

Spark性能优化--数据倾斜调优与shuffle调优