1
我有我的一个领域星火重新分区不分发记录均匀
rdd = rdd.repartition(new Column("block_id"));
重新分区,并将其保存到HDFS的RDD。
我认为如果有20个不同的block_id
's,重新分区会产生20个新的分区,每个分区有不同的block_id
。 但实际上在重新分区后有19个分区,每个分区只有一个block_id
和一个分区拥有两个block_id
's。 这意味着,使用两个block_id
的磁盘写入分区的核心与其他内核相比需要两倍的时间,因此总体时间加倍。
我很困惑,对'的'方法repartition' RDD'只需要一个'Int',而不是一个'Column' –