Scala 如何在hadoopRDD中为每条记录分离计算和网络I/O

我正在我的1节点spark群集上运行spark grep应用程序。（本身就是主人和奴隶）。我在hdfs服务器的远程源上有一个913MB的文本文件。文本文件被分成128MB的块，复制设置为“无”。我的spark应用程序读取文本文件并应用过滤器转换，搜索关键字，然后在输出到hdfs中，只输出带有该关键字的行。为了深入了解spark的工作原理，我在spark源代码中记录了更多详细信息，并构建它以运行修改后的版本。我在hadoopRDD.scala的getNext（K，V）中使用reader.getpos（）记录了读取信息的字节，最多10条记录。我还在过滤器操作中记录一些消息，以便在计算实际启动时获取。由于spark使用延迟加载，因此在读取任何字节的数据之前，登录过滤器会显示。因此，我尝试在执行筛选操作之前读取完整的迭代器，使用：

while(iter.hasNext){
  logInfo(s"value of the iterator: ${iter.next}")
}

上述代码记录文本文件中的下一行，每次读取一条记录（此处的记录将是文本文件中的一行，作为默认的hadoop读取记录器操作）。但之后不执行任何过滤，我得到一个空输出。如果我只是在过滤操作之后打印一个日志，结果是，只有在读取了所有记录并且关闭了hadoop reader之后，它才会显示出来

我试图至少在第一组字节中将计算和网络I/O分开，以显示性能瓶颈，但我不确定spark是在每个记录上执行计算，还是在读取任务的所有记录后执行计算？如何单独计算呢？