我是apache spark 的新手
我很难理解ApacheSpark中的数据本地化。我试着读了这篇文章https://data-flair.training/blogs/apache-spark-performance-tuning/上面写着"；PROCESS_LOCAL"；以及"；NODE_LOCAL"；。是否有我需要配置的设置？有人能举个例子向我解释一下吗？
谢谢，Padd
简单地说，数据局部性意味着在数据所在的节点上进行计算。
只需详细说明：
Spark是集群计算系统。它不是像HDFS或NOSQL那样的存储系统。Spark用于处理存储在这样的分布式系统中的数据。
典型的安装方式是将spark安装在与HDFS/NOSQL相同的节点上。
如果有火花应用程序正在处理存储的HDFS数据。Spark尝试将计算任务放在HDFS块旁边。
使用HDFS时，Spark驱动程序会联系NameNode，了解包含文件或目录的各个块及其位置(表示为InputSplits(的DataNodes(理想情况下为本地(，然后将工作安排给SparkWorkers。
注意：Spark的计算节点/工作程序应该在存储节点上运行。
这就是Spark中数据本地化的实现方式。
优点是通过网络传输的数据较少，因此性能提高。
请尝试以下文章阅读-谷歌中有n个可用的文档可供搜索http://www.russellspitzer.com/2017/09/01/Spark-Locality/https://databricks.gitbooks.io/databricks-spark-knowledge-base/content/performance_optimization/data_locality.html