spark调优 shuffle调节map端内存缓冲与reduce端内存占比

spark.shuffle.file.buffer,    默认是32k

spark.shuffle.memoryFraction,   0.2

map端内存缓冲,reduce端内存占比

 

默认情况下,shuffle的map task,输出到磁盘文件的时候,统一都会先写入到每个task自己关联的一个内存缓冲区,

这个默认的内存缓冲区默认是32Kb

每一次当内存缓冲区满溢后,然后才会进行溢写到磁盘中

reduce task,在进行聚合的操作的时候,实际上,使用的就是自己对应的executor的内存,executor(其实对应的就是一个jvm进程,堆),默认executor内存中划分给reduce task进行聚合的比例,是0.2

问题来了,因为比例是0.2,所以就很有可能会出现,拉取过来的数据很多,那么在内存中,放不下,然后得溢写到磁盘

 

如果不调会出现什么问题呢?

每个task就处理320kb,32kb,总共会向磁盘溢写320/32 = 10次

 

在map task处理的数据量比较大的情况下,而你的task的内存缓冲默认是比较小 的,可能会造成多次的map端往磁盘文件的split溢写操作,发生磁盘IO,从而降低性能。

 

reduce端聚合内存,占比,默认是0.2.如果数据量比较大,reduce task拉取过来的数据很多,那么就会频繁发生reduce端内存不够用,频繁溢写到磁盘,磁盘IO,降低性能。

 

调节上面说的那俩个参数,调节的时候的原则,spark.shuffle.file.buffer,每次扩大一倍,然后看看效果

spark.shuffle.memoryFraction 每次提高0.1,看看效果

也不能调的太大

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