Spark中parallelize函数和makeRDD函数的区别?

Question

Spark中parallelize函数和makeRDD函数的区别

Answer 1

Spark主要提供了两种函数：parallelize和makeRDD：1）parallelize的声明：def parallelize[T: ClassTag](seq: Seq[T],numSlices: Int = defaultParallelism): RDD[T]2）makeRDD的声明：def makeRDD[T: ClassTag](seq: Seq[T],numSlices: Int = defaultParallelism): RDD[T]def makeRDD[T: ClassTag](seq: Seq[(T, Seq[String])]): RDD[T]3）区别：A）makeRDD函数比parallelize函数多提供了数据的位置信息。B）两者的返回值都是ParallelCollectionRDD，但parallelize函数可以自己指定分区的数量，而makeRDD函数固定为seq参数的size大小。

Answer 2

一样的，你看SparkContext的API里面这么说的：def makeRDD[T](seq: Seq[T], numSlices: Int = defaultParallelism)(implicit arg0: ClassTag[T]): RDD[T]Distribute a local Scala collection to form an RDD.This method is identical to parallelize.