Spark Pipe调用外部程序
2017-07-07 16:00
1066 查看
spark 中,有种特殊的Rdd,即pipedRdd,提供了调用外部程序如基于CUDA的C++程序,使其能够更快的进行计算。caffe on spark 和tensorflow on spark 也是基于此机制,那么,spark 和 外部程序是怎么交互的呢? 下面通过一个简单的例子验证。
查看运行结果,发现为:
其中,Running shell script只出现了4次,rdd的count为9,可见有两次共享了一个外部进程。在此推断和RDD并行度有关。
结果为:
Running shell script只出现了5次,rdd的count为10了。
步骤1:创建外部脚本
#!/bin/sh echo "Running shell script" while read LINE; do echo ${LINE}! done
步骤2:spark rdd 调用
val data = sc.parallelize(List("hi","hello","how","are","you")) val scriptPath = "/root/echo.sh" val pipeRDD = dataRDD.pipe(scriptPath) pipeRDD.collect()
查看运行结果,发现为:
Array[String] = Array(Running shell script, hi!, Running shell script, hello!, Running shell script, how!, Running shell script, are!, you!)
其中,Running shell script只出现了4次,rdd的count为9,可见有两次共享了一个外部进程。在此推断和RDD并行度有关。
步骤3:调整并行度
dataRDD.repartition(5)
结果为:
Array[String] = Array(Running shell script, are!, Running shell script, hi!, hello!, you!, Running shell script, Running shell script, Running shell script, how!)
Running shell script只出现了5次,rdd的count为10了。
结论
rdd pipe 每个分区,启动一次外部程序,输入通过stdin传入,结果通过stdout传出。相关文章推荐
- Spark Pipe使用方法(外部程序调用方法)
- Spark Pipe使用方法(外部程序调用方法)
- spark java程序入门(三)外部程序调用
- Java调用外部程序
- 使用c#调用API函数CreateProcess来运行外部程序
- 调用cmd.exe程序和外部程序
- java实现外部程序调用
- 请教一个关于WEBFORM 调用外部EXE程序的问题
- C#程序调用外部程序
- 在WinForm中用C#如何调用外部程序
- 调用cmd.exe程序和外部程序(转)
- C#程序调用外部程序
- ShellExecute 与 CreateProcess 调用外部程序
- c#调用外部程序
- Java如何调用外部exe程序
- c#winform对外部程序的调用(notepad)
- C#程序调用外部程序
- 在JAVA中调用外部可执行程序
- C# 调用外部程序
- Java调用外部程序的方法