Spark 优化策略和数据倾斜

1   Spark用到序列化的地方    更改底层序列化的方法,如kryo

2   配置多临时文件目录     spark.local.dir参数。当shuffle  可以创建多个文件夹每个文件夹都对应一个真实的硬盘

     spark.local.dir=/home/tmp,/home/tmp2,/home/tmp3

3 启用推测执行机制       可以设置spark.speculation  true

4  用mapPartition 代替map方法   map方法对RDD的每一条记录逐一操作。mapPartitions是对RDD里的每个分区操作

5   Spark的GC调优   比如用G1  GC

 

Spark的数据倾斜问题

1 group  by(分组) 引起的数据倾斜   

   解决 :  在分组的key上加上随机数字,达到随机分区的效果

 

 

 

 

 

 

 

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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