[Spark进阶]--深入Spark Locality Level

本文深入探讨 Spark 的 Locality Level,详细解释了数据本地性对性能的影响,介绍了 Spark 如何根据数据位置进行任务调度,并分析了涉及的源码,最后提出了优化策略,包括尽量保持数据在同一 JVM 中,理解数据读取源头,以及在合适时机持久化数据。
摘要由CSDN通过智能技术生成

深入Spark "Locality level"(Spark-2.3.0版本)

1、可以在Spark job ui上查看到


2、Locality level解释

说明:为了保证没有理解的偏差,将把英文原文说明粘贴如下。

Data locality can have a major impact on the performance of Spark jobs. If data and the code that operates on it are together then computation tends to be fast. But if code and data are separated, one must move to the other. Typically it is faster to ship serialized code from place to place than a chunk of data because code size is much smaller than data.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

往事随风ing

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值