我有一个关于合并的问题。目前尚不清楚它的副作用。我有以下RDD：
JavaRDD<String> someStrings = //...
JavaRDD<String> coalescedStrings = someStrings.coalesce(100, false); //descreasing
那么，实际发生了什么？如果我对
someStrings进行一些操作会影响coalescedStrings吗？ 最佳答案
那么，实际发生了什么？
首先，由于coalesce是Spark转换（并且所有转换都是惰性的），因此什么也没有发生。没有读取数据，也没有对该数据执行任何操作。发生了什么-创建了一个新的RDD（它只是分布式数据的驱动程序端抽象）。这个新的RDD是一组用于读取/转换数据的指令，该指令集与称为someStrings的指令集相同，不同之处在于它包含一个“指令”：将数据重新划分为100个分区。在新的RDD（coalescedStrings）上进行的操作/转换将使用100个分区（每个阶段将转换为100个任务）来执行任何处理，这与在someStrings上使用原始分区计数的操作不同。因此，两个RDD将包含相同的数据（如果对其进行操作），但是分区不同。
如果我对someStrings进行某些操作会影响coalescedStrings吗？
不，两个RDD完全*彼此独立-对一个RDD的操作不会影响另一个。 someStrings仍具有其原始分区数。
*这有一些例外，主要是在缓存方面：例如，如果在计算的任何阶段缓存了someStrings，并且在someStrings上进行操作之前先在coalescedStrings上进行操作-然后在coalescedStrings上进行后续操作cc>将能够使用缓存的结果并从那里继续。