Portable开门源代码传授（一）

Spark在展开开门的这时候会展开什么样操作方式？主要就须要explain下它的继续执行方案，以

Window[row_number() windowspecdefinition(id8, id8 ASC NULLS FIRST, specifiedwindowframe(RowFrame, unboundedpreceding$(), currentrow$())) AS row20],[id8],[id8 ASC NULLS FIRST] –*(3)Sort[id8 ASC NULLS FIRST, id8 ASC NULLS FIRST],false,0 –Window[sum(cast(kk9 as bigint)) windowspecdefinition(id8, kk9 ASC NULLS FIRST, specifiedwindowframe(RangeFrame, unboundedpreceding$(), currentrow$())) AS rk15L],[id8],[kk9 ASC NULLS FIRST] –*(2)Sort[id8 ASC NULLS FIRST, kk9 ASC NULLS FIRST],false,0 –Exchangehashpartitioning(id8,2),true,[id=29] –*(1)Project[_13 AS id8, _24 AS kk9] –*(1)SerializeFromObject[knownnotnull(assertnotnull(input[0, scala.Tuple2, true]))._1AS_13,knownnotnull(assertnotnull(input[0, scala.Tuple2, true]))._2AS_24]
–Scan[obj2]

这个继续执行方案作为例子看就好，其实它一开始的动作是 重分区，根据 partitionBy的字段展开重分区，分区的规则就是 hashpartitioning

第二步就是Sort，排序的字段是 partitionBy的字段 orderBy的字段，里面使用的排序算法优先是Radix排序，不然就是TimSort.

第三步，就是实现的关键了，核心类就是 WindowExec.

主要就是调用了doExecute展开处理，在内部的操作方式流程中，主要就就是调用了MapPartitions就行了数据的处理。

假设有 （A，1），（A，2），（B，1），（A，3）分入到了同一个分区，那么排序后的结果就是 （A，1），（A，2），（A，3），（B，1）然后开始展开遍历，其中 A是一组，B又是一组，那么如何判断 （A，1），（A，2），（A，3）是同一组呢？

在逐行遍历的过程中，如果发现 当前行对应的group的内容和之前的group的内容不同，就说明不是同一个组了

while(nextRowAvailable