转载 http://blog.sina.com.cn/s/blog_9ca9623b0102w8qi.html
Spark性能优化 Shuffle性能优化
一:Shuffle性能调优
1, 问题:Shuffle output file lost? 真正的最重要的原因是GC导致的!!!下一个Stage向上一个Stage要数据,需要消耗CPU, 导致GC。Full GC的时候,线程不再工作,向上一个Stage的线程请求数据,就请求不到,请求不到的时候就会重试。
2, 如果GC尤其是Full GC产生通常会导致线程停止工作,这个时候下一个Stage的Task在默认情况下就会尝试重试来获取数据,一般重试3次,每次重试的时间为5s,也就是说默认情况下,如果15s内还是无法抓取数据的话,就会 Shuffle output file lost等情况,进而会导致Task重试,甚至会导致Stage重试,最严重的是会导致Application失败,在这个时候首先就要采用高效的内存数据结构和序列化机制,JVM的调优来减少Full GC的产生。
3, 在Shuffle的时候,Reducer端获取数据会有一个指定大小的缓存空间,如果内存足够大的情况下,可以适当的增大缓存空间,否则会spill到磁盘上影响效率。
此时可以增大spark.reducer.maxSizeInFlight参数,可以调到128MB。
4, 在ShuffleMapTask端通常也会增大Map任务的写磁盘的缓存,默认情况下是32K。
spark.shuffle.file.buffer 32k
5, 调整获取Shuffle中读取数据的重试次数,默认是3次,通常建议增大重试次数。
6, 调整获取Shuffle读取数据重试的时间间隔,默认为5s,强烈建议提高该时间。
spark.shuffle.io.retryWait 5s
7, 在reducer端做Aggregation的时候,默认是20%的内存用来做Aggregation,如果超出了这个大小,就会溢出到磁盘上,建议调大百分比来提高性能。