spark foreachPartition foreach

1.foreach

    val list = new ArrayBuffer()

    myRdd.foreach(record => {

      list += record

    })

2.foreachPartition

    val list = new ArrayBuffer

    rdd.foreachPartition(it => {

      it.foreach(r => {

        list += r

      })

    })

说明：

foreachPartition属于算子操作，可以提高模型效率。比如在使用foreach时，将RDD中所有数据写Mongo中，就会一条数据一条数据地写，每次函数调用可能就会创建一个数据库连接，此时就势必会频繁地创建和销毁数据库连接，性能是非常低下；但是如果用foreachPartitions算子一次性处理一个partition的数据，那么对于每个partition，只要创建一个数据库连接即可，然后执行批量插入操作，此时性能是比较高的。

参考官网的说明：

https://spark.apache.org/docs/latest/streaming-programming-guide.html

巴特西

spark foreachPartition foreach

最新文章

热门文章