如何检查 RDD答案

【问题标题】：How to checkpoint RDD如何检查 RDD
【发布时间】：2019-11-14 11:55:39
【问题描述】：

火花 2.4.0

rdd = rdd.cache()
print(rdd.getStorageLevel())

内存序列化 1x 复制

sc.setCheckpointDir("/tmp/checkpoints")
rdd.checkpoint()

对 rdd 的操作

rdd.count()

25066

检查是否有检查点：

rdd.isCheckpointed()

错误

print(rdd.getCheckpointFile())

错误

【问题讨论】：

执行isLocallyCheckpointed()会返回什么？
@Bala 其返回 False
scala 代码对你有用吗？如果是这样，请添加该标签。我会写一个例子
this 能回答你的疑问吗？
基本上，你只需要checkpointed_rdd = rdd.checkpoint() 你的checkpointed_rdd.isCheckpointed() 应该返回true

标签： apache-spark pyspark rdd

【解决方案1】：

我在 spark 2.4.4 (EMR 5.28) 及其工作上进行了测试。

我可能是通过 EMR 的权限或配置问题，正如我之前在 spark 2.4.3 上尝试过的那样，我在 2.4.4 发行说明中没有看到任何关于检查点的问题。

df = spark.range(1, 7, 2)
df.show()

rdd = df.rdd
rdd = rdd.cache()
print("Storage Level - {}".format(rdd.getStorageLevel()))

print("Is Checkpointed - {}".format(rdd.isCheckpointed()))
print("Checkpoint File - {}".format(rdd.getCheckpointFile()))


# Setting HDFS directory
sc.setCheckpointDir("/tmp/checkpoint_dir/")
rdd.checkpoint()

print("Is Checkpointed - {}".format(rdd.isCheckpointed()))
print("Checkpoint File - {}".format(rdd.getCheckpointFile()))

# Calling an action
print("count - {}".format(rdd.count()))

print("Is Checkpointed - {}".format(rdd.isCheckpointed()))
print("Checkpoint File - {}".format(rdd.getCheckpointFile()))

输出：

+---+
| id|
+---+
|  1|
|  3|
|  5|
+---+

Storage Level - Memory Serialized 1x Replicated
Is Checkpointed - False
Checkpoint File - None
Is Checkpointed - False
Checkpoint File - None
count - 3
Is Checkpointed - True
Checkpoint File - hdfs://ip-xx-xx-xx-xx.ec2.internal:8020/tmp/checkpoint_dir/5d3bf642-cc17-4ffa-be10-51c58b8f5fcf/rdd-9

【讨论】：

【解决方案2】：

我使用 Spark 2.4.2 在独立集群中进行了测试。 Checkpoint 也在那里工作。

    spark.sparkContext.setCheckpointDir("temp/")
    val textFile=spark.sparkContext.textFile("test1.txt")
    println("textFile.isCheckpointed = " + textFile.isCheckpointed)
    textFile.checkpoint()
    println("textFile.count() = " + textFile.count())
    println("textFile.isCheckpointed = " + textFile.isCheckpointed)

结果

textFile.isCheckpointed = false
textFile.count() = 8
textFile.isCheckpointed = true

【讨论】：