一。首先我们来看一下本来的任务时间。
二。调优azkaban的job并行任务数
优化了12s,如何优化可以参看上一篇文章,本篇着重说一下spark的任务数
# default 10 but we need faster
flow.num.job.threads=20
三。增加spark内存
发现之前机器应该是内存分配不够,分配的内存全部占满了。
赶紧增加内存,并且为了后面数据做准备,多增加一点。
可以看到增加了 yarn.nodemanager.resource.memory-mb 之后,明显内存够了,只用了一半就完成了任务。
还有什么可以提高速度的,我们赶紧想,比方说spark的并行度,默认是200,我们可以否调整一下,因为我们要快!那行,说干就干。
关键这样我看不懂啊,也不搞个节点名称,搞group看不懂是哪一个,因为我们有一台机器性能比较差,所以,想想办法,稍等下。
找到了,点击主机然后就看内存就好了。
原来我发现,174 175 176分配的内存都被用了好多,现在我们要增大,赶紧增大,然后速度应该会提高很多,等下要惊呆你们的眼睛的。
但是我无脑高大内存之后,我发现continer变多了,也就是说申请的资源变多了,内存利用率也高了。。。这就很烦了。。。
要找到那个最优的状态。。。