宽窄依赖是用于标记算子是否需要shuffle过程的

——本质：只是一种标记，标记两个RDD之间的依赖关系，用于判断是否需要进行shuffle

窄依赖：Narrow Dependencies



定义：父RDD的一个分区的数据只给了子RDD的一个分区 【不用经过Shuffle】 特点：一对一或者多对一，不经过Shuffle，性能相对较快， 但无法实现全局分区、排序、分组等 一个Stage内部的计算都是窄依赖的过程，全部在内存中 完成。


宽依赖：Wide/Shuffle Dependencies


 




定义：父RDD的一个分区的数据给了子RDD的多个分区【需要调用Shuffle的分区器来实现】 特点：一对多，必须经过Shuffle，性能相对较慢，可以实现全局分区、排序、分组等 Spark的job中按照宽依赖来划分不同的Stage 


为什么要标记宽窄关系？


1）提高数据容错的性能，避免分区数据丢失时，需要重新构建整个RDD


场景：如果子RDD的某个分区的数据丢失
不标记：不清楚父RDD分区与子RDD分区数据之间的关系，必须重新构建整个父RDD所有分区数据
标记了：父RDD一个分区只对应子RDD的一个分区，按照对应关系恢复父RDD的对应分区即可


 2）提高数据转换的性能，将连续窄依赖操作使用同一个Task都放在内存中直接转换


如果不标记，怎么知道哪些算子需要shuffer呢？
————就只能把数据放在磁盘，让shuffer算子，去拉取数据，效率低


 
 
  

        # 大数据
      
        # 数据库
      
        # spark
      
        # 分布式
      
  
 
 Logo 
腾讯云开发者社区
 
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
 
 
  
更多推荐
  
 
终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路
 
Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。
 
avatar 腾讯云开发者社区
 
 
Elasticsearch复杂数据类型终极指南：从入门到精通
 
Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可
 
avatar 腾讯云开发者社区
 
 
如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南
 
Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git
 
avatar 腾讯云开发者社区