mapreduce
mapreduce是多进程模型,一个job就是一个进程
每个Task运行在一个独立的JVM进程中;
可单独为不同类型的Task设置不同的资源量,目前支持内存和CPU两种资源;
每个Task运行完后,将释放所占用的资源,这些资源不能被其他Task复用,即使是同一个作业相同类型的Task。也就是说,每个Task都要经历“申请资源—> 运行Task –> 释放资源”的过程。
进程特点决定了启动一个Task将是一个很expensive的操作,对于迭代计算而言,无疑是噩梦。
spark
每个节点上可以运行一个或多个Executor服务。每个应用程序在一个工作者节点上只会有一个Executor。多个应用程序则会有多个Executor
每个Executor配有一定数量的slot,表示该Executor中可以同时运行多少个ShuffleMapTask或者ReduceTask;
每个Executor单独运行在一个JVM进程中,每个Task则是运行在Executor中的一个线程;
同一个Executor内部的Task可共享内存,比如通过函数SparkContext.broadcast广播的数据如文件或者数据结构只会在每个Executor中加载一次,而不会像MapReduce那样,每个Task加载一次
Executor一旦启动后,将一直运行,且它的资源可以一直被Task复用,直到Spark程序运行完成后才释放退出。
MR优化
如何提高MR的运行速度?
mr优化主要是如何控制map task的数量以及reduce task的数量
Spark优化
提高spark运行速度,就是需要 提高单位时间执行的task的数量.
而单位时间执行的task的数量取决于executor的数量* cores的数量
所以可以采取
- 提高executor的数量
- 增加每个executor的cores数量
- 增加每个executor的内存数量
当然,也不能浪费.比如150个task,最多50个executor*3个core就足够了.