什么是DAG?有向無環(huán)圖的幾種連貫關系講解

　　DAG(Directed Acyclic Graph)叫做有向無環(huán)圖，Spark中的RDD通過一系列的轉換算子操作和行動算子操作形成了一個DAG。DAG是一種非常重要的圖論數(shù)據(jù)結構。如果一個有向圖無法從任意頂點出發(fā)經(jīng)過若干條邊回到該點，則這個圖就是有向無環(huán)圖，具體如圖1所示。

圖1 DAG有向無環(huán)圖

　　從圖1可以看出，4→6→1→2是一條路徑，4→6→5也是一條路徑，并且圖中不存在從頂點經(jīng)過若干條邊后能回到該點。在Spark中，有向無環(huán)圖的連貫關系被用來表達RDD之間的依賴關系。其中，頂點表示RDD及產(chǎn)生該RDD的操作算子，有方向的邊表示算子之間的相互轉化。

　　根據(jù)RDD之間依賴關系的不同可以將DAG劃分成不同的Stage(調(diào)度階段)。對于窄依賴來說，RDD分區(qū)的轉換處理是在一個線程里完成，所以窄依賴會被Spark劃分到同一個Stage中;而對于寬依賴來說，由于有Shuffle的存在，所以只能在父RDD處理完成后，下一個Stage才能開始接下來的計算，因此寬依賴是劃分Stage的依據(jù)，當RDD進行轉換操作，遇到寬依賴類型的轉換操作時，就劃為一個Stage。Stage的具體劃分如圖2所示。

圖2 Stage的劃分

　　在圖2中，創(chuàng)建了三個RDD的實例A、C以及E。當RDD的實例A做groupByKey轉換操作生成B時，由于groupByKey轉換操作屬于寬依賴類型，所以就把實例A劃分為一個Stage，如Stage1;當實例C做map轉換操作生成D， D與實例E做union轉換操作生成F，由于map和union轉換操作都屬于窄依賴類型，因此不進行Stage的劃分，而是將C、D、E、F加入到同一個Stage中;當F與B進行join轉換操作時，由于這時的join操作是非協(xié)同劃分，所以屬于寬依賴，因此會劃分為一個Stage，如Stage2;剩下的B和G被劃分為一個Stage，如Stage3。

不同系統(tǒng)如何加載數(shù)據(jù)創(chuàng)建RDD？

Spark RDD是什么？RDD特征介紹

Scala下載和環(huán)境變量配置教程

黑馬程序員大數(shù)據(jù)培訓課程