【Spark精讲】Spark RDD弹性体现在哪些方面？

什么是“弹性”？

一般对于分布式系统，“弹性”指的是可以根据计算规模进行动态伸缩的特性。当计算量增长时，可以动态增加资源来满足计算需求，而当计算量减少时，又可以降低资源配置来节约成本。

参考：什么是弹性伸缩ess_弹性伸缩(ESS)-阿里云帮助中心

我们在看一下RDD定义：Resilient Distributed Datasets，译为弹性分布式数据集，是一种基于集群内存计算的一种抽象。?

所以从定义上看，RDD也是基于分布式系统的，主要是通过集群的内存资源来进行数据缓存与计算的，所以RDD的弹性是基于数据量的变化，可以动态的增加或者减少相应的资源(比如内存)来满足计算需求。

RDD的弹性体现

RDD的Partition和Partitioner是弹性的基础

Map端input split决定了Map端的分区数，分区数进一步决定了map阶段task的数量，Shuffle的Map阶段才使用的分区器partitioner，又决定了reduce阶段task的数量。

分区的动态可调是弹性的体现

可以根据数据量的大小，通过repartition、coalesce算子来增加或者减少分区数，来决定Task数的多少。

对应的计算资源调整，可以通过提交任务时的参数来调整，也可以设置成动态调整方式。

容错属不属于弹性？

容错是用来保障稳定性的，划分到“高可用”更合适，跟弹性没有太大关系。

比如：根据血缘对RDD进行出错后的恢复，Stage、Task失败的重试等。

主从架构属不属于弹性？

比如BlockManagerMaster和BlockManager是主从架构的，这个属于分布式系统的基本架构设计，属于系统层面的弹性，不属于RDD层面的弹性。