Spark 对于大量数据 sort 之后，collect 内存不够，怎么将所有排序完的数据有序输出？

问答 ⋅ 小鱼 ⋅ 于 2018-03-15 15:32:05 ⋅ 最后回复由青牛于 2018-03-15 22:09:14 ⋅ 6475 阅读

Spark 对于大量数据sort之后，每个partition上的数据都是有序的，但想要得到全局有序必须要做collect操作，但driver的内存不够怎么办，有什么办法可以将排序完的数据有序的输出到磁盘或者hdfs上么？

成为第一个点赞的人吧

回复数量: 1

青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2018-03-15 22:09:14

自定义一个partitioner，然后再sort以后将rdd直接存储到hdfs上，别collect到driver上

请注意单词拼写，以及中英文排版，参考此页
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空

Ctrl+Enter