zoukankan      html  css  js  c++  java
  • Spark的数据本地化级别及调优操作

    1. 数据本地化的级别:

    ①     PROCESS_LOCAL

    task要计算的数据在本进程(Executor)的内存中。

     

    ②     NODE_LOCAL

    a)         task所计算的数据在本节点所在的磁盘上。

    b)        task所计算的数据在本节点其他Executor进程的内存中。

     

    ③     NO_PREF

    task所计算的数据在关系型数据库中,如mysql。

     

    ④     RACK_LOCAL

    task所计算的数据在同机架的不同节点的磁盘或者Executor进程的内存中

     

    ⑤     ANY

    跨机架。

    2. Spark数据本地化调优:

     

    Spark中任务调度时,TaskScheduler在分发之前需要依据数据的位置来分发,最好将task分发到数据所在的节点上,如果TaskScheduler分发的task在默认3s依然无法执行的话,TaskScheduler会重新发送这个task到相同的Executor中去执行,会重试5次,如果依然无法执行,那么TaskScheduler会降低一级数据本地化的级别再次发送task。

    如上图中,会先尝试1,PROCESS_LOCAL数据本地化级别,如果重试5次每次等待3s,会默认这个Executor计算资源满了,那么会降低一级数据本地化级别到2,NODE_LOCAL,如果还是重试5次每次等待3s还是失败,那么还是会降低一级数据本地化级别到3,RACK_LOCAL。这样数据就会有网络传输,降低了执行效率。

    ①     如何提高数据本地化的级别?

    可以增加每次发送task的等待时间(默认都是3s),将3s倍数调大,      结合WEBUI来调节:

       • spark.locality.wait 

       • spark.locality.wait.process

       • spark.locality.wait.node

       • spark.locality.wait.rack

    注意:等待时间不能调大很大,调整数据本地化的级别不要本末倒置,虽然每一个task的本地化级别是最高了,但整个Application的执行时间反而加长。

    ②     如何查看数据本地化的级别?

    通过日志或者WEBUI

  • 相关阅读:
    sql语句最后一行显示统计。
    Win10访问不到XP共享的解决:
    git-github-TortoiseGit综合使用教程(二)快速入门
    git-github-TortoiseGit综合使用教程(一)简介
    RHEL7 -- 修改主机名
    安装完 MySQL 后必须调整的 10 项配置(转)
    my.cnf
    mysql查看系统参数
    MySQL性能的五大配置参数(内存参数)
    (转)Linux用户登录记录日志和相关查看命令汇总
  • 原文地址:https://www.cnblogs.com/eric666666/p/11301266.html
Copyright © 2011-2022 走看看