pyspark中to toDebugstring（）的确切用法

我是pyspark的新手，正在尝试理解toDebugstring（）的确切用法。您能从下面的代码片段中解释一下吗

 >>> a = sc.parallelize([1,2,3]).distinct()
    >>> print a.toDebugString()
    (8) PythonRDD[27] at RDD at PythonRDD.scala:44 [Serialized 1x Replicated]
     |  MappedRDD[26] at values at NativeMethodAccessorImpl.java:-2 [Serialized 1x Replicated]
     |  ShuffledRDD[25] at partitionBy at NativeMethodAccessorImpl.java:-2 [Serialized 1x Replicated]
     +-(8) PairwiseRDD[24] at distinct at <stdin>:1 [Serialized 1x Replicated]
        |  PythonRDD[23] at distinct at <stdin>:1 [Serialized 1x Replicated]
        |  ParallelCollectionRDD[21] at parallelize at PythonRDD.scala:358 [Serialized 1x Replicated]

a=sc.parallelize（[1,2,3]）.distinct（） >>>打印a.toDebugString（） （8） PythonRDD.scala:44[序列化1x复制] |NativeMethodAccessorImpl.java处的值处的MappedRDD[26]：-2[序列化1x复制] |NativeMethodAccessorImpl.java分区中的Shuffledd[25]：-2[序列化1x复制] +-（8） 不同位置处的成对ISERDD[24]：1[序列化1x复制] |PythonRDD[23]位于不同的位置：1[序列化1x复制] |PythonRDD.scala:358[序列化1x复制]

---

在spark中，RDD中的依赖项以图形形式登录。简单地说，每一步都是血统的一部分。通过调用toDebugString方法，本质上就是要求显示这个沿袭图（即发生的每个单独步骤的链，即创建的RDD类型和用于创建它的方法）。一些是您显式执行的转换，而另一些不是（例如，沿袭图的最底层步骤是您所吞没的RDD的真实类型，但其上方是由内部机制生成的RDD，用于将输入RDD中的对象转换为Java类型的对象）

打印语句的结果显示了从创建ParallelCollectionRDD开始的自下而上的每个步骤。缩进中的每一个变化都表示混洗边界，即出现混洗操作。为了更好地理解，您可以从谱系图中阅读更多内容