首页 > 分享 > Spark性能调优之调节task并行度

Spark性能调优之调节task并行度

最新推荐文章于 2024-09-19 17:21:18 发布

博闻强识plus 于 2019-06-27 21:04:44 发布

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

Spark并行度是什么?

我们写的spark作业就称为application;
一个application有多个job(一个action比如:collect操作触发一个job);
每个job在发生shuffle(比如:reduceByKey)时,就会被拆成一个stage;
每个stage被拆为多个task,task被分配到executor上执行,一个task会有一个线程去执行,一个task处理一小片数据。

reduceByKey,前为stage0,后为stage1 :
stage0执行到reduceByKey时,会为后面stage1的每个task,都创建一个文件;
stage1的每个task,会在各个节点上的各个task创建的属于自己的文件(每个文件里,一定存放相同key对应的values; 但一个文件可能有多个key,及其对应的values; 相同key的values一定是进入同一个文件),拉取数据;
stage1的每个task所拉取到的数据,一定是相同key对应的数据。因为针对相同key对应的values,才能去执行执行自定义的function操作(+)。

spark并行度:指的就是spark作业中,各个stage的task数量。也就代表了spark作业在各个阶段(stage)的并行度。

问题:

如果不调节并行度,会有什么后果?

假设:已经给spark

相关知识

性能调优: df中的string wordcount
分布式名词收集(二)
HCNA
积极情绪对视觉注意调节及其机制.doc
花飞指南4——快速调参
花卉保鲜柜温度怎么调
超大规模药物虚拟筛选的实现与应用
OLAP
调节土壤酸碱平衡度的几个小方法,一定要学习下
城市绿化带植被覆盖度对盐碱地土壤盐分的调节

网址: Spark性能调优之调节task并行度 https://m.huajiangbk.com/newsview567384.html

所属分类:花卉
上一篇: 赵孟頫行书集字《木兰辞》抗疫版
下一篇: 阮元 行书《京邸看花诗》