spark 读取 mysql大表优化

从一个存有 200w+数据量的mysql表中导出数据
如果采用默认的spark读取jdbc的方式的话,会创建一个连接,一次性读取200w的数据,会导致java虚拟机崩溃,或者GC超时导致任务失败

经一段时间的测试,最终解决了这个问题。
方案如下:
在读取源表的时候添加 谓词下推 参数
会生成多个where 子句 进行 分区 并行读取mysql源表的数据 (这里就大大加快了读取的速度)

图为spark源码的解释:
图为spark源码的解释
ps://img-blog.csdnimg.cn/bb7131c408454e3db4ca1f3f135d7f49.png)

添加fetchsize参数
fetchsize参数是设定一次从表中读取过来的数据量,建议根据机器配置 进行设置合适的大小。

当前对jvm设置的参数为 -Xmx4000m
我设置的比较小 如100,或者1000 会出现 GC overhead limit exceeded 错误
如果设置 太大的话就会 导致堆内存溢出错误、

如果将 jvm 的内存加到很大的话,就不用来调整这些参数了,因为一次读取的量可以直接存进内存当中

在这里插入图片描述
像我这里设置了 country_code='AE' ,'AT' 等其他一共19个不同的值 那么在spark的物理执行计划里面就会生成19个分区,从而达到并行加速的目的。
如下:在这里插入图片描述

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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