Spark API编程动手实战-05-spark文件操作和debug

这次 我们以指定executor-memory参数的方式来启动spark-shell：

启动成功了

 

在命令行中我们指定了spark-shell运行暂用的每个机器上的executor的内存为1g大小，启动成功后参看web页面：

 

从hdfs上读取文件：

 

在命令行中返回的MappedRDD，使用toDebugString，可以查看其lineage的关系：

可以看出MappedRDD是从HadoopRDD转换而来的

再看下textFile的源代码：

 

hadoopFile这个方法返回的是一个HadoopRDD，源码如下所示：

而map方法产生的是一个MappedRDD：

 

下面进行一个简单的wordcount操作：

执行结果：

再次使用toDebugString，查看下依赖关系：

HadoopRDD -> MappedRDD -> FlatMappedRDD ->  MappedRDD -> ShuffledRDD