NarrowDependency中的ManyToManyDependency不会造成重复计算吗？

[ycli12]

我在看书籍图3.2的时候发现ManyToManyDependency和ShuffleDependency很像，但ManyToManyDependency属于NarrowDependency，那么Stage划分的时候不会分成两个分区，这样按照P103的想法2，每次计算child RDD的每个分区的时候都需要重复计算全部的父RDD，因此将ManyToManyDependency划分为ShuffleDependency会不会更好一点呢？ManyToManyDependency可以看作在shuffle write的时候写入整个分区到各个子RDD的ShuffleDependency。

[JerryLead]

@ycli12 谢谢提出的问题，ManyToManyDependency确实和ShuffleDependency很像，但ManyToManyDependency属于NarrowDependency，因为ManyToManyDependency不涉及分区，也不需要运行Shuffle write/read流程，具体例子见cartesian()。当然如果强行套用Shuffle框架，将RDD中所有数据都放到一个分区，然后执行Shuffle过程，那么child RDD可能不能收到想要的数据，比如如果将图3.2中的第二图中的分区1和2都改为分区1，那么RDD2中第二个p得不到任何数据。所以虽然ManyToManyDependency和ShuffleDependency样子相似，但两者是不同的计算逻辑。

[ycli12]

@JerryLead 谢谢徐老师的回复，我还有一点疑问，根据P103的想法2，ManyToManyDependency在这里会不会存在重复计算的问题呢？每次计算child RDD的每个分区的时候都需要重复计算全部的父RDD。

[JerryLead]

@ycli12 理论上会出现重复计算，如果父RDD已经被cache就不用重复计算。

[ycli12]

做一下总结，ManyToManyDependency跟ShuffleDependency不一样的地方：
1、ShuffleDependency在分区时候需要对partitionId进行排序或者Hash，而ManyToManyDependency不需要
2、ShuffleDependency是分发，只有一份，而ManyToManyDependency是复制多份