[Spark基础]-- spark并行度和partion联系

一、问题

1、怎样提高并行度？

几种方式：(1)reduce时，输入参数(int)   (2)partitionBy()输入分区数  (3)SparkContext.textFile(path,num)

2、什么情况下需要提高并行度？

(1).partition的个数是split size决定的，spark的底层还是用的hadoop的fileformat，当你制定了一个可以切分的format，他就会按照splitsize去切partition，这个决定了任务会被分成多少份。

(2).节点个数跟cpu的核数决定了你能起多少实例，就是资源池。

(3).如果你partition的数量多，能起实例的资源也多，那自然并发度就多，如果你partition数量少，资源很多，它也不会有很多并发，如果你partition的数量很多，但是资源少，那么并发也不大，他会算完一批再继续起下一批

二、几个概念和关系

Spark中关于并发度涉及的几个概念File，Block，Split，Task，Partition，RDD以及节点数、Executor数、core数目的关系


输入可能以多个文件的形式存储在HDFS上，每个File都包含了很多块，称为