- 耐心看日志信息:
spark集群有主控driver和executor的区别,通常我们会在driver端打出一些日志作为提示,但如果把日志打到了executor上执行的算子上,那么日志旧不能再sparksubmitweb上查询到(当时花了好久定位日志…)。
通常运行出来的日志比较长,耐心看日志也可以查到其中什么原因导致的出错。 - 通常foreach语句使用在collect之后的driver端数据,否者中途生成的变量都还是再executor端,没有会中统计。
- 写代码的时候需要考虑当前数据量有多大,是放在driver还是executor效率更高,如小的字典数据放在driver更好,大的表数据使用join效果更高。
- 注意权限问题,集群上的独写操作,会涉及到一些hdfs目录,写入前要确认是否拥有权限。
总结最近两周在使用spark scala下遇到一些坑
最新推荐文章于 2023-11-09 13:11:38 发布