{"id":337862,"date":"2022-09-02T21:00:22","date_gmt":"2022-09-02T21:00:22","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=337862"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=337862","title":{"rendered":"<span>\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0432 Spark \u043f\u0440\u0438 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 Data API: DataFrame, RDD, DataSet<\/span>"},"content":{"rendered":"<div><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/187\/c0c\/097\/187c0c0974b1b6284137d073eaff874a.png\" width=\"780\" height=\"439\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/187\/c0c\/097\/187c0c0974b1b6284137d073eaff874a.png\"\/><figcaption><\/figcaption><\/figure>\n<div class=\"persona\" persona=\"true\"><img decoding=\"async\" persona=\"true\" class=\"image persona__image\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/6a7\/6df\/80f\/6a76df80fff727e733f2fe7a6b83efce.png\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/6a7\/6df\/80f\/6a76df80fff727e733f2fe7a6b83efce.png\"\/><\/p>\n<h5 class=\"persona__heading\" persona=\"true\">\u0410\u0432\u0442\u043e\u0440: \u0412\u0430\u0434\u0438\u043c \u041e\u043f\u043e\u043b\u044c\u0441\u043a\u0438\u0439  <\/h5>\n<p>Luxoft DXC Technology, Scala Big Data \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a  <\/p>\n<\/div>\n<p>\u041b\u044e\u0431\u043e\u0435 Spark Data API: DataFrame, RDD, DataSet \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439. \u041f\u0430\u0440\u0442\u0438\u0446\u0438\u044f \u2014 \u044d\u0442\u043e \u0447\u0430\u0441\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0445, \u0430\u043b\u043b\u043e\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0432 \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438 \u0432\u043e\u0440\u043a\u0435\u0440\u043e\u0432 (\u0436\u0435\u0441\u0442\u043a\u043e\u043c \u0434\u0438\u0441\u043a\u0435 \u043f\u0440\u0438 \u043a\u044d\u0448\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438) \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0439. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043c\u043e\u0436\u043d\u043e \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u043f\u0440\u0438\u0431\u0430\u0432\u0438\u0442\u044c \u043a\u0430\u043a\u043e\u0435-\u0442\u043e \u0447\u0438\u0441\u043b\u043e \u043a \u043a\u0430\u0436\u0434\u043e\u043c\u0443 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0443 \u0438\u0437 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0438. \u0420\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u043f\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c \u0438 \u0438\u0445 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442\u044c \u043f\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0443 round-robin \u043b\u0438\u0431\u043e \u043f\u043e \u0445\u044d\u0448\u0443 \u043e\u0442 \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u043a\u043e\u043b\u043e\u043d\u043a\u0438 \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0438 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0442\u0438\u043f\u0430 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438.<\/p>\n<p><strong>\u041a\u0430\u043a \u0443\u0437\u043d\u0430\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439?<\/strong><\/p>\n<p>\u0412 Apache Spark, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0435\u0441\u043b\u0438 \u0437\u0430\u0439\u0442\u0438 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u044c spark-shell \u0438\u043b\u0438 pyspark \u0438 \u043a\u0430\u043a\u0438\u043c-\u0442\u043e \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u043c \u0441\u043e\u0437\u0434\u0430\u0442\u044c DataFrame, DataSet \u0438\u043b\u0438 RDD, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0432\u0435\u0441\u0442\u0438 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c:<\/p>\n<pre><code>val exampleDF = Seq(1 to 500000: _*).toDF() rdd.getNumPartitions<\/code><\/pre>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u044b, \u043a\u0430\u043a \u0431\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c\u0441\u044f \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u043f\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043d\u043e\u0432\u043e\u0433\u043e DataFrame, RDD, DataSet. \u041a\u0430\u043a \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e, \u043d\u043e\u0432\u044b\u0439 \u0438\u043d\u0441\u0442\u0430\u043d\u0441 \u0442\u0430\u043a\u043e\u0439 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0438\u0437 \u043f\u0430\u043c\u044f\u0442\u0438, \u0441 HDFS, FS, \u0438\u0437 Kafka topic, \u0440\u0435\u043b\u044f\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0434\u0440\u0443\u0433\u0438\u0445 \u0441\u0438\u0441\u0442\u0435\u043c.\u00a0<\/p>\n<ol>\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438, \u0431\u0443\u0434\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0440\u0430\u0432\u043d\u043e\u0435 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c\u0443 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443:<\/p>\n<\/li>\n<\/ol>\n<pre><code>sc.defaultParallelism*^1 => res19: Int = 2 val fromSeqDF = Seq(1 to 500000: _*).toDF() fromSeqDF.rdd.getNumPartitions => 2<\/code><\/pre>\n<ol start=\"2\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043f\u0430\u043c\u044f\u0442\u0438, \u0431\u0443\u0434\u0435\u0442 \u0440\u043e\u0432\u043d\u043e \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0431\u044b\u043b\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u0445 \u044f\u0434\u0435\u0440 \u0438\u043b\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c:<\/p>\n<\/li>\n<\/ol>\n<pre><code>sc.defaultParallelism => res19: Int = 2 val fromMemoryDF = spark.range(0,100).toDF() fromMemoryDF.rdd.getNumPartitions => 2<\/code><\/pre>\n<ol start=\"3\">\n<li>\n<p>\u0412 \u0441\u043b\u0443\u0447\u0430\u0435 RDD, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0432\u043d\u043e &#171;default parallelism&#187; \u0438\u043b\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443 \u043c\u0435\u0442\u043e\u0434\u0430 <strong>parallelize:<\/strong>\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0<\/p>\n<\/li>\n<\/ol>\n<pre><code>val fromRangeRDD = sc.parallelize(0 to 100).toDF() fromRangeRDD.getNumPartitions => 2 val fromRangeRDD = sc.parallelize(0 to 100, 4).toDF() fromRangeRDD.getNumPartitions => 4<\/code><\/pre>\n<ol start=\"4\">\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u044b\u0439 \u0438\u0437 RDD, \u0431\u0443\u0434\u0435\u0442 \u0438\u043c\u0435\u0442\u044c \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 RDD:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val schema = StructType(StructField(value,IntegerType,false))\u00a0 val fromRddDF = spark.createDataFrame(fromRangeRDD, schema)) fromRddDF.rdd.getNumPartitions => 4<\/code><\/pre>\n<p>\u00a0\u0422\u043e \u0435\u0441\u0442\u044c, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 4 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0438, \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 RDD \u0441 4-\u043c\u044f \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c\u0438.<\/p>\n<ol start=\"5\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u0444\u0430\u0439\u043b\u0430 \u043d\u0430 HDFS, \u0431\u0443\u0434\u0435\u0442 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0431\u043b\u043e\u043a\u043e\u0432 \u043d\u0430 HDFS \u0438\u043c\u0435\u0435\u0442 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0444\u0430\u0439\u043b. \u041b\u0438\u0431\u043e \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u00a0<\/p>\n<\/li>\n<\/ol>\n<pre><code>spark.sql.files.maxPartitionBytes which defaults to 128MB val fromHdfsFileDF = spark .read .format(\u201cparquet\u201d) .load(\u201chdfs:\/\/user\/crimes_csv\/part-00000-f8e2d087-fd31-4cb5-b96e-62d36ee7074b-c000.parquet\u201d) fromHdfsFileDF.rdd.getNumPartitions => 7<\/code><\/pre>\n<ol start=\"6\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u0444\u0430\u0439\u043b\u0430 \u0438\u0437 S3:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val fromS3FileDF = spark .read .format(\u201ccsv\u201d) .load(\u201cs3:\/\/user\/crimes_csv\/part-00000-f8e2d087-fd31-4cb5-b96e-62d36ee7074b-c000.csv\u201d) fromS3FileDF.rdd.getNumPartitions => 7<\/code><\/pre>\n<ol start=\"7\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0434\u0436\u043e\u0439\u043d\u0430, \u0433\u0440\u0443\u043f\u043f\u0438\u0440\u043e\u0432\u043a\u0438 \u0438\u043b\u0438 \u0434\u0440\u0443\u0433\u043e\u0439 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u044b\u0437\u044b\u0432\u0430\u0435\u0442 shuffle:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val joinedShuffleDF = leftDF.join(rightDF, col(\"leftKey\") === col(\"rightKey\"), \"inner\") val groupedShuffleDF = inputDF.orderBy(col(\"total trips\").desc) spark.conf.get(\"spark.sql.shuffle.partitions\") => 200\u00a0 *2<\/code><\/pre>\n<p>\u041e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u043a\u0435\u0439\u0441\u044b \u0431\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u043d\u0430 \u0437\u0430\u043d\u044f\u0442\u0438\u044f\u0445 \u043a\u0443\u0440\u0441\u0430 Spark Developer. \u041a\u0430\u043a\u0438\u0435 \u043a\u0435\u0439\u0441\u044b \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c:<\/p>\n<ol>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0433\u0440\u0443\u043f\u043f\u044b \u0444\u0430\u0439\u043b\u043e\u0432.\u00a0<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0440\u0435\u043b\u044f\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 Hive.<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0442\u043e\u043f\u0438\u043a\u0430 \u0432 \u043a\u0430\u0444\u043a\u0435.\u00a0<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0438\u0437 Cassandra, Scylla DB.<\/p>\n<\/li>\n<li>\n<p>DataFrame, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u043c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u043d\u0435\u043a\u0442\u043e\u0440\u0430 DataSource v2.<\/p>\n<\/li>\n<\/ol>\n<p>*1 spark.default.parallelism \u2014 \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u0441\u043f\u0430\u0440\u043a \u043a\u043e\u043d\u0444\u0438\u0433\u0430 \u0441 \u0432\u0435\u0440\u0441\u0438\u0438 0.5.0, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u043b\u044f \u0442\u0430\u043a\u0438\u0445 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 shuffle \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u043a\u0430\u043a\u00a0 reduceByKey and join \u0437\u0430\u0434\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0432 \u0440\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u0441\u043a\u043e\u043c RDD. \u0414\u043b\u044f \u0442\u0430\u043a\u0438\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439, \u043a\u0430\u043a parallelize \u0431\u0435\u0437 \u043f\u0430\u0440\u0435\u043d\u0442 RDD, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u0432\u0438\u0441\u0435\u0442\u044c \u043e\u0442 \u0440\u0435\u0441\u0443\u0440\u0441\u043d\u043e\u0433\u043e \u043c\u0435\u043d\u0435\u0434\u0436\u0435\u0440\u0430, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440:<\/p>\n<ul>\n<li>\n<p>Local mode: \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u044f\u0434\u0435\u0440 \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u0439 \u043c\u0430\u0448\u0438\u043d\u0435;<\/p>\n<\/li>\n<li>\n<p>Mesos fine grained mode: 8;<\/p>\n<\/li>\n<li>\n<p>Others: \u043e\u0431\u0449\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u0441\u0435\u0445 \u044f\u0434\u0435\u0440 \u043d\u0430 \u0432\u0441\u0435\u0445 \u044d\u043a\u0437\u0435\u043a\u044c\u044e\u0442\u0435\u0440\u0430\u0445 \u0438\u043b\u0438 2, \u0441\u043c\u043e\u0442\u0440\u044f \u0447\u0442\u043e \u0431\u043e\u043b\u044c\u0448\u0435.<\/p>\n<\/li>\n<\/ul>\n<p>*2 spark.sql.shuffle.partitions \u2014 \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u0441\u043f\u0430\u0440\u043a \u043a\u043e\u043d\u0444\u0438\u0433\u0430 \u0441 \u0432\u0435\u0440\u0441\u0438\u0438 1.1.0, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0434\u043b\u044f DataFrame, DataSet \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u044e\u0442\u0441\u044f \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0434\u0436\u043e\u0439\u043d\u043e\u0432 \u0438\u043b\u0438 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0430\u0433\u0440\u0435\u0433\u0430\u0446\u0438\u0439. \u0414\u043b\u044f\u00a0<\/p>\n<p>structured streaming \u044d\u0442\u0430 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0430 \u0432 \u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043c\u0435\u0436\u0434\u0443 \u0434\u0432\u0443\u043c\u044f \u0440\u0435\u0441\u0442\u0430\u0440\u0442\u0430\u043c\u0438 \u0438\u0437 \u043e\u0434\u043d\u043e\u0439 \u0438 \u0442\u043e\u0439 \u0436\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c\u043d\u043e\u0439 \u0442\u043e\u0447\u043a\u0438.\u00a0\u00a0<\/p>\n<hr\/>\n<blockquote>\n<p>\u0421\u043a\u043e\u0440\u043e \u0441\u043e\u0441\u0442\u043e\u0438\u0442\u0441\u044f \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u0435 \u0437\u0430\u043d\u044f\u0442\u0438\u0435 <strong>\u00ab\u0414\u0430\u0442\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440 \u0438 Spark \u0432 \u043d\u043e\u0432\u044b\u0445 \u0440\u0435\u0430\u043b\u0438\u044f\u0445\u00bb.<\/strong> \u041d\u0430 \u044d\u0442\u043e\u043c \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u043c \u0443\u0440\u043e\u043a\u0435 \u0440\u0430\u0437\u0431\u0435\u0440\u0435\u043c:<br \/>\u2014 \u041a\u0430\u043a \u0438\u0437\u043c\u0435\u043d\u044f\u0442\u0441\u044f \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0438 \u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u0435\u043b\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0431\u044a\u0435\u043c\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u044f\u0437\u044b\u043a\u0438 \u0434\u043b\u044f ETL, \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430, \u043e\u0431\u043b\u0430\u043a\u0430 \u0438 IDE.<br \/>\u2014 \u041a\u0430\u043a \u0438\u0437\u043c\u0435\u043d\u0438\u0442\u0441\u044f \u043f\u043e\u0442\u0440\u0435\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0440\u044b\u043d\u043a\u0435 \u0432 \u0434\u0430\u0442\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0435 \u0438 \u043a \u0447\u0435\u043c\u0443 \u043d\u0443\u0436\u043d\u043e \u0431\u044b\u0442\u044c \u0433\u043e\u0442\u043e\u0432\u044b\u043c.<br \/>\u2014 \u041e\u0431\u0441\u0443\u0434\u0438\u043c open source \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438, \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043c\u0438\u0433\u0440\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u0435\u043a\u0442\u043e\u0432.  <br \/>\u0420\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u0443\u0439\u0442\u0435\u0441\u044c <a href=\"https:\/\/otus.pw\/Pxxv\/\"><strong>\u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435.<\/strong><\/a><\/p>\n<\/blockquote>\n<\/div>\n<\/div>\n<\/div>\n<div class=\"v-portal\" style=\"display:none;\"><\/div>\n<\/div>\n<p> <!----> <!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/company\/otus\/blog\/686142\/\"> https:\/\/habr.com\/ru\/company\/otus\/blog\/686142\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><figcaption><\/figcaption><\/figure>\n<div class=\"persona\" persona=\"true\">\n<h5 class=\"persona__heading\" persona=\"true\">\u0410\u0432\u0442\u043e\u0440: \u0412\u0430\u0434\u0438\u043c \u041e\u043f\u043e\u043b\u044c\u0441\u043a\u0438\u0439  <\/h5>\n<p>Luxoft DXC Technology, Scala Big Data \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a  <\/p>\n<\/div>\n<p>\u041b\u044e\u0431\u043e\u0435 Spark Data API: DataFrame, RDD, DataSet \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439. \u041f\u0430\u0440\u0442\u0438\u0446\u0438\u044f \u2014 \u044d\u0442\u043e \u0447\u0430\u0441\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0445, \u0430\u043b\u043b\u043e\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0432 \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438 \u0432\u043e\u0440\u043a\u0435\u0440\u043e\u0432 (\u0436\u0435\u0441\u0442\u043a\u043e\u043c \u0434\u0438\u0441\u043a\u0435 \u043f\u0440\u0438 \u043a\u044d\u0448\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438) \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0439. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043c\u043e\u0436\u043d\u043e \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u043f\u0440\u0438\u0431\u0430\u0432\u0438\u0442\u044c \u043a\u0430\u043a\u043e\u0435-\u0442\u043e \u0447\u0438\u0441\u043b\u043e \u043a \u043a\u0430\u0436\u0434\u043e\u043c\u0443 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0443 \u0438\u0437 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0438. \u0420\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u043f\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c \u0438 \u0438\u0445 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442\u044c \u043f\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0443 round-robin \u043b\u0438\u0431\u043e \u043f\u043e \u0445\u044d\u0448\u0443 \u043e\u0442 \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u043a\u043e\u043b\u043e\u043d\u043a\u0438 \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0438 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0442\u0438\u043f\u0430 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438.<\/p>\n<p><strong>\u041a\u0430\u043a \u0443\u0437\u043d\u0430\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439?<\/strong><\/p>\n<p>\u0412 Apache Spark, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0435\u0441\u043b\u0438 \u0437\u0430\u0439\u0442\u0438 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u044c spark-shell \u0438\u043b\u0438 pyspark \u0438 \u043a\u0430\u043a\u0438\u043c-\u0442\u043e \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u043c \u0441\u043e\u0437\u0434\u0430\u0442\u044c DataFrame, DataSet \u0438\u043b\u0438 RDD, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0432\u0435\u0441\u0442\u0438 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c:<\/p>\n<pre><code>val exampleDF = Seq(1 to 500000: _*).toDF() rdd.getNumPartitions<\/code><\/pre>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043f\u0440\u0438\u043c\u0435\u0440\u044b, \u043a\u0430\u043a \u0431\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0442\u044c\u0441\u044f \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u043f\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c \u043f\u0440\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0438 \u043d\u043e\u0432\u043e\u0433\u043e DataFrame, RDD, DataSet. \u041a\u0430\u043a \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u043e, \u043d\u043e\u0432\u044b\u0439 \u0438\u043d\u0441\u0442\u0430\u043d\u0441 \u0442\u0430\u043a\u043e\u0439 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0438\u0437 \u043f\u0430\u043c\u044f\u0442\u0438, \u0441 HDFS, FS, \u0438\u0437 Kafka topic, \u0440\u0435\u043b\u044f\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0434\u0440\u0443\u0433\u0438\u0445 \u0441\u0438\u0441\u0442\u0435\u043c.\u00a0<\/p>\n<ol>\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438, \u0431\u0443\u0434\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0440\u0430\u0432\u043d\u043e\u0435 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c\u0443 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443:<\/p>\n<\/li>\n<\/ol>\n<pre><code>sc.defaultParallelism*^1 => res19: Int = 2 val fromSeqDF = Seq(1 to 500000: _*).toDF() fromSeqDF.rdd.getNumPartitions => 2<\/code><\/pre>\n<ol start=\"2\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043f\u0430\u043c\u044f\u0442\u0438, \u0431\u0443\u0434\u0435\u0442 \u0440\u043e\u0432\u043d\u043e \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0431\u044b\u043b\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u0445 \u044f\u0434\u0435\u0440 \u0438\u043b\u0438 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c:<\/p>\n<\/li>\n<\/ol>\n<pre><code>sc.defaultParallelism => res19: Int = 2 val fromMemoryDF = spark.range(0,100).toDF() fromMemoryDF.rdd.getNumPartitions => 2<\/code><\/pre>\n<ol start=\"3\">\n<li>\n<p>\u0412 \u0441\u043b\u0443\u0447\u0430\u0435 RDD, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0432\u043d\u043e &#171;default parallelism&#187; \u0438\u043b\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0443 \u043c\u0435\u0442\u043e\u0434\u0430 <strong>parallelize:<\/strong>\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0<\/p>\n<\/li>\n<\/ol>\n<pre><code>val fromRangeRDD = sc.parallelize(0 to 100).toDF() fromRangeRDD.getNumPartitions => 2 val fromRangeRDD = sc.parallelize(0 to 100, 4).toDF() fromRangeRDD.getNumPartitions => 4<\/code><\/pre>\n<ol start=\"4\">\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u044b\u0439 \u0438\u0437 RDD, \u0431\u0443\u0434\u0435\u0442 \u0438\u043c\u0435\u0442\u044c \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 RDD:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val schema = StructType(StructField(value,IntegerType,false))\u00a0 val fromRddDF = spark.createDataFrame(fromRangeRDD, schema)) fromRddDF.rdd.getNumPartitions => 4<\/code><\/pre>\n<p>\u00a0\u0422\u043e \u0435\u0441\u0442\u044c, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 4 \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0438, \u0432 \u0441\u043b\u0443\u0447\u0430\u0435 RDD \u0441 4-\u043c\u044f \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u044f\u043c\u0438.<\/p>\n<ol start=\"5\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0438\u0437 \u0444\u0430\u0439\u043b\u0430 \u043d\u0430 HDFS, \u0431\u0443\u0434\u0435\u0442 \u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0431\u043b\u043e\u043a\u043e\u0432 \u043d\u0430 HDFS \u0438\u043c\u0435\u0435\u0442 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0444\u0430\u0439\u043b. \u041b\u0438\u0431\u043e \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u00a0<\/p>\n<\/li>\n<\/ol>\n<pre><code>spark.sql.files.maxPartitionBytes which defaults to 128MB val fromHdfsFileDF = spark .read .format(\u201cparquet\u201d) .load(\u201chdfs:\/\/user\/crimes_csv\/part-00000-f8e2d087-fd31-4cb5-b96e-62d36ee7074b-c000.parquet\u201d) fromHdfsFileDF.rdd.getNumPartitions => 7<\/code><\/pre>\n<ol start=\"6\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u0444\u0430\u0439\u043b\u0430 \u0438\u0437 S3:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val fromS3FileDF = spark .read .format(\u201ccsv\u201d) .load(\u201cs3:\/\/user\/crimes_csv\/part-00000-f8e2d087-fd31-4cb5-b96e-62d36ee7074b-c000.csv\u201d) fromS3FileDF.rdd.getNumPartitions => 7<\/code><\/pre>\n<ol start=\"7\">\n<li>\n<p>\u0423 DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0434\u0436\u043e\u0439\u043d\u0430, \u0433\u0440\u0443\u043f\u043f\u0438\u0440\u043e\u0432\u043a\u0438 \u0438\u043b\u0438 \u0434\u0440\u0443\u0433\u043e\u0439 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u044b\u0437\u044b\u0432\u0430\u0435\u0442 shuffle:<\/p>\n<\/li>\n<\/ol>\n<pre><code>val joinedShuffleDF = leftDF.join(rightDF, col(\"leftKey\") === col(\"rightKey\"), \"inner\") val groupedShuffleDF = inputDF.orderBy(col(\"total trips\").desc) spark.conf.get(\"spark.sql.shuffle.partitions\") => 200\u00a0 *2<\/code><\/pre>\n<p>\u041e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u043a\u0435\u0439\u0441\u044b \u0431\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u043d\u0430 \u0437\u0430\u043d\u044f\u0442\u0438\u044f\u0445 \u043a\u0443\u0440\u0441\u0430 Spark Developer. \u041a\u0430\u043a\u0438\u0435 \u043a\u0435\u0439\u0441\u044b \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c:<\/p>\n<ol>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0433\u0440\u0443\u043f\u043f\u044b \u0444\u0430\u0439\u043b\u043e\u0432.\u00a0<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0440\u0435\u043b\u044f\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u0431\u0430\u0437\u044b \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 Hive.<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0442\u043e\u043f\u0438\u043a\u0430 \u0432 \u043a\u0430\u0444\u043a\u0435.\u00a0<\/p>\n<\/li>\n<li>\n<p>DataFrame, DataSet, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0438\u0437 Cassandra, Scylla DB.<\/p>\n<\/li>\n<li>\n<p>DataFrame, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u043e\u043c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u043d\u0435\u043a\u0442\u043e\u0440\u0430 DataSource v2.<\/p>\n<\/li>\n<\/ol>\n<p>*1 spark.default.parallelism \u2014 \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u0441\u043f\u0430\u0440\u043a \u043a\u043e\u043d\u0444\u0438\u0433\u0430 \u0441 \u0432\u0435\u0440\u0441\u0438\u0438 0.5.0, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u043b\u044f \u0442\u0430\u043a\u0438\u0445 \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 shuffle \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u043a\u0430\u043a\u00a0 reduceByKey and join \u0437\u0430\u0434\u0430\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0432 \u0440\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u0441\u043a\u043e\u043c RDD. \u0414\u043b\u044f \u0442\u0430\u043a\u0438\u0445 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439, \u043a\u0430\u043a parallelize \u0431\u0435\u0437 \u043f\u0430\u0440\u0435\u043d\u0442 RDD, \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u0432\u0438\u0441\u0435\u0442\u044c \u043e\u0442 \u0440\u0435\u0441\u0443\u0440\u0441\u043d\u043e\u0433\u043e \u043c\u0435\u043d\u0435\u0434\u0436\u0435\u0440\u0430, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440:<\/p>\n<ul>\n<li>\n<p>Local mode: \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u044f\u0434\u0435\u0440 \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u0439 \u043c\u0430\u0448\u0438\u043d\u0435;<\/p>\n<\/li>\n<li>\n<p>Mesos fine grained mode: 8;<\/p>\n<\/li>\n<li>\n<p>Others: \u043e\u0431\u0449\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u0441\u0435\u0445 \u044f\u0434\u0435\u0440 \u043d\u0430 \u0432\u0441\u0435\u0445 \u044d\u043a\u0437\u0435\u043a\u044c\u044e\u0442\u0435\u0440\u0430\u0445 \u0438\u043b\u0438 2, \u0441\u043c\u043e\u0442\u0440\u044f \u0447\u0442\u043e \u0431\u043e\u043b\u044c\u0448\u0435.<\/p>\n<\/li>\n<\/ul>\n<p>*2 spark.sql.shuffle.partitions \u2014 \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u0441\u043f\u0430\u0440\u043a \u043a\u043e\u043d\u0444\u0438\u0433\u0430 \u0441 \u0432\u0435\u0440\u0441\u0438\u0438 1.1.0, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0442\u0438\u0446\u0438\u0439 \u0434\u043b\u044f DataFrame, DataSet \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u044e\u0442\u0441\u044f \u0432 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0435 \u0434\u0436\u043e\u0439\u043d\u043e\u0432 \u0438\u043b\u0438 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0439 \u0430\u0433\u0440\u0435\u0433\u0430\u0446\u0438\u0439. \u0414\u043b\u044f\u00a0<\/p>\n<p>structured streaming \u044d\u0442\u0430 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0430 \u0432 \u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043c\u0435\u0436\u0434\u0443 \u0434\u0432\u0443\u043c\u044f \u0440\u0435\u0441\u0442\u0430\u0440\u0442\u0430\u043c\u0438 \u0438\u0437 \u043e\u0434\u043d\u043e\u0439 \u0438 \u0442\u043e\u0439 \u0436\u0435 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c\u043d\u043e\u0439 \u0442\u043e\u0447\u043a\u0438.\u00a0\u00a0<\/p>\n<hr\/>\n<blockquote>\n<p>\u0421\u043a\u043e\u0440\u043e \u0441\u043e\u0441\u0442\u043e\u0438\u0442\u0441\u044f \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u0435 \u0437\u0430\u043d\u044f\u0442\u0438\u0435 <strong>\u00ab\u0414\u0430\u0442\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440 \u0438 Spark \u0432 \u043d\u043e\u0432\u044b\u0445 \u0440\u0435\u0430\u043b\u0438\u044f\u0445\u00bb.<\/strong> \u041d\u0430 \u044d\u0442\u043e\u043c \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u043c \u0443\u0440\u043e\u043a\u0435 \u0440\u0430\u0437\u0431\u0435\u0440\u0435\u043c:<br \/>\u2014 \u041a\u0430\u043a \u0438\u0437\u043c\u0435\u043d\u044f\u0442\u0441\u044f \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0438 \u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0442\u0435\u043b\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u043e\u0431\u044a\u0435\u043c\u044b \u0434\u0430\u043d\u043d\u044b\u0445, \u044f\u0437\u044b\u043a\u0438 \u0434\u043b\u044f ETL, \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430, \u043e\u0431\u043b\u0430\u043a\u0430 \u0438 IDE.<br \/>\u2014 \u041a\u0430\u043a \u0438\u0437\u043c\u0435\u043d\u0438\u0442\u0441\u044f \u043f\u043e\u0442\u0440\u0435\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0440\u044b\u043d\u043a\u0435 \u0432 \u0434\u0430\u0442\u0430 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0435 \u0438 \u043a \u0447\u0435\u043c\u0443 \u043d\u0443\u0436\u043d\u043e \u0431\u044b\u0442\u044c \u0433\u043e\u0442\u043e\u0432\u044b\u043c.<br \/>\u2014 \u041e\u0431\u0441\u0443\u0434\u0438\u043c open source \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438, \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043c\u0438\u0433\u0440\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u0435\u043a\u0442\u043e\u0432.  <br \/>\u0420\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u0443\u0439\u0442\u0435\u0441\u044c <a href=\"https:\/\/otus.pw\/Pxxv\/\"><strong>\u043f\u043e \u0441\u0441\u044b\u043b\u043a\u0435.<\/strong><\/a><\/p>\n<\/blockquote>\n<\/div>\n<\/div>\n<\/div>\n<div class=\"v-portal\" style=\"display:none;\"><\/div>\n<\/div>\n<p> <!----> <!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/company\/otus\/blog\/686142\/\"> https:\/\/habr.com\/ru\/company\/otus\/blog\/686142\/<\/a><br \/><\/br><\/br><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-337862","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/337862","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=337862"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/337862\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=337862"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=337862"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=337862"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}