版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
提高shuffle操作的并行度
調(diào)優(yōu)概述數(shù)據(jù)傾斜發(fā)生時(shí)的現(xiàn)象提高shuffle操作的并行度/01基本介紹
調(diào)優(yōu)概述調(diào)優(yōu)概述
有的時(shí)候,我們可能會(huì)遇到大數(shù)據(jù)計(jì)算中一個(gè)最棘手的問(wèn)題——數(shù)據(jù)傾斜,此時(shí)Spark作業(yè)的性能會(huì)比期望差很多。
數(shù)據(jù)傾斜調(diào)優(yōu),就是使用各種技術(shù)方案解決不同類型的數(shù)據(jù)傾斜問(wèn)題,以保證Spark作業(yè)的性能。/02基本介紹
數(shù)據(jù)傾斜發(fā)生時(shí)的現(xiàn)象數(shù)據(jù)傾斜發(fā)生時(shí)的現(xiàn)象絕大多數(shù)task執(zhí)行得都非???,但個(gè)別task執(zhí)行極慢。比如,總共有1000個(gè)task,997個(gè)task都在1分鐘之內(nèi)執(zhí)行完了,但是剩余兩三個(gè)task卻要一兩個(gè)小時(shí)。這種情況很常見(jiàn)。原本能夠正常執(zhí)行的Spark作業(yè),某天突然報(bào)出OOM(內(nèi)存溢出)異常,觀察異常棧,是我們寫(xiě)的業(yè)務(wù)代碼造成的。這種情況比較少見(jiàn)。/03基本介紹
提高shuffle操作的并行度提高shuffle操作的并行度(一)方案實(shí)現(xiàn)思路:在對(duì)RDD執(zhí)行shuffle算子時(shí),給shuffle算子傳入一個(gè)參數(shù),比如reduceByKey(1000),該參數(shù)就設(shè)置了這個(gè)shuffle算子執(zhí)行時(shí)shufflereadtask的數(shù)量。對(duì)于SparkSQL中的shuffle類語(yǔ)句,比如groupby、join等,需要設(shè)置一個(gè)參數(shù),即spark.sql.shuffle.partitions,該參數(shù)代表了shufflereadtask的并行度,該值默認(rèn)是200,對(duì)于很多場(chǎng)景來(lái)說(shuō)都有點(diǎn)過(guò)小。方案優(yōu)點(diǎn):實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單,可以有效緩解和減輕數(shù)據(jù)傾斜的影響。提高shuffle操作的并行度(二)方案實(shí)現(xiàn)原理:增加shufflereadtask的數(shù)量,可以讓原本分配給一個(gè)task的多個(gè)key分配給多個(gè)task,從而讓每個(gè)task處理比原來(lái)更少的數(shù)據(jù)。舉例來(lái)說(shuō),如果原本有5個(gè)key,每個(gè)key對(duì)應(yīng)10條數(shù)據(jù),這5個(gè)key都是分配給一個(gè)task的,那么這個(gè)task就要處理50條數(shù)據(jù)。而增加了shufflereadtask以后,每個(gè)task就分配到一個(gè)key,即每個(gè)task就處理10條數(shù)據(jù),那么自然每個(gè)task的執(zhí)行時(shí)間都會(huì)變短了。具體原理如下圖所示。方案適用場(chǎng)景:如果我們必須要對(duì)數(shù)據(jù)傾斜迎難而上,那么建議優(yōu)先使用這種方案,因?yàn)檫@是處理數(shù)據(jù)傾斜最簡(jiǎn)單的一種方案。提高shuffle操作的并行度(三)方案缺點(diǎn):只是緩解了數(shù)據(jù)傾斜而已,沒(méi)有徹底根除問(wèn)題,根據(jù)實(shí)踐經(jīng)驗(yàn)來(lái)看,其效果有限。方案實(shí)踐經(jīng)驗(yàn):該方案通常無(wú)法徹底解決數(shù)據(jù)傾斜,因?yàn)槿绻霈F(xiàn)一些極端情況,比如某個(gè)key對(duì)應(yīng)的數(shù)據(jù)量有100萬(wàn),那么無(wú)論你的task數(shù)量增加到多少,這個(gè)對(duì)應(yīng)著100萬(wàn)數(shù)據(jù)的key肯定還是會(huì)分配到一個(gè)task中去處理,因此注定還是會(huì)發(fā)生數(shù)據(jù)傾斜的。所以這種方案只能說(shuō)是在發(fā)現(xiàn)數(shù)據(jù)傾斜時(shí)嘗試使用的第一種手段,嘗試去用嘴簡(jiǎn)單的方法緩解數(shù)據(jù)傾斜而已,或者是和其他方案結(jié)合起來(lái)使用。1.調(diào)優(yōu)概
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 幼兒園餐飲供貨協(xié)議
- 附錄一國(guó)家行政機(jī)關(guān)公文處理辦法現(xiàn)代應(yīng)用文書(shū)寫(xiě)作(第三版)教學(xué)課件電子教案
- 2025年度個(gè)人所得稅贍養(yǎng)老人專項(xiàng)附加扣除協(xié)議執(zhí)行細(xì)則4篇
- 2025年度個(gè)人留學(xué)擔(dān)保合同模板
- 2025年度個(gè)人收入證明范本及稅務(wù)合規(guī)服務(wù)合同
- 2025-2030全球氫混合鍋爐行業(yè)調(diào)研及趨勢(shì)分析報(bào)告
- 2025-2030全球CO2激光冷水機(jī)行業(yè)調(diào)研及趨勢(shì)分析報(bào)告
- 2024年女職工權(quán)益保護(hù)及性別平等知識(shí)有獎(jiǎng)知識(shí)競(jìng)賽題庫(kù)及答案
- 2024年居民健康素養(yǎng)知識(shí)競(jìng)賽考試題庫(kù)含答案
- 2025年個(gè)人間技術(shù)秘密保護(hù)保密合同4篇
- NEC(新生兒壞死性小腸結(jié)腸炎)92273
- 高分子成型加工課件
- 消防救援-低溫雨雪冰凍惡劣天氣條件下災(zāi)害防范及救援行動(dòng)與安全
- 供熱管網(wǎng)工程監(jiān)理大綱
- 國(guó)家臨床醫(yī)學(xué)研究臨床中心五年發(fā)展規(guī)劃
- 移動(dòng)商務(wù)內(nèi)容運(yùn)營(yíng)(吳洪貴)任務(wù)四 引起受眾傳播內(nèi)容要素的掌控
- 安徽新宸新材料有限公司年產(chǎn)6000噸鋰離子電池材料雙氟磺酰亞胺鋰項(xiàng)目環(huán)境影響報(bào)告書(shū)
- 繪本《汪汪的生日派對(duì)》
- 分手的協(xié)議書(shū)模板(5篇)
- 助產(chǎn)護(hù)理畢業(yè)論文
- 地震工程學(xué)概論課件
評(píng)論
0/150
提交評(píng)論