spark核数以及分区分配使用测试

一. 在开始之前先熟悉几个相关的概念

1. Executor由若干core组成，
   每个Executor的每个core一次只能执行一个Task
2. 每个Task执行的结果就是生成目标RDD的一个partiton
   换言之task数partition数是对应起来的，但是是rdd的分区数目决定了总的task数目

这里的core是虚拟的core而不是机器的物理CPU核，可以理解为就是Executor的一个工作线程。
3. task被执行的并发度 = Executor数目 * 每个Executor核数（=core总个数）
注意：每个节点可以起一个或多个Executor。

举例：

RDD有10个分区，那么计算的时候就会生成10个task，配置为1个计算节点，每个2个核，同一时刻可以并行的task数目为2，计算这个RDD就需要5个轮次。
如果计算资源不变，你有11个task的话，就需要6个轮次，在最后一轮中，只有一个task在执行，另一个核在空转。
如果资源不变，你的RDD只有1个分区，那么同一时刻只有1个task运行，另1个核空转，造成资源浪费。

代码演示：

package com.brd.engine

import com.brd.util.sparkUtils
import org.apache.spark.{HashPartitioner, SparkConf, SparkContext}

object SparkTest {
  /**@desc
   * @Author brandon
   * @param args
   */
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
      .setAppName("SparkTest")
      .setMaster("local[2]")
    val sc = new SparkContext(conf)
    sc.setLogLevel("ERROR")
    sparkUtils.mapPartUse(sc)

    val rdd = sc.textFile("src/data/wd.txt")
    val rdd2 = rdd.flatMap(line => line.split(" ")).map(word => {
      word.replaceAll(",", "").trim
    }).map(word => (word, 1))
      .reduceByKey(_ + _)
      .repartitionAndSortWithinPartitions(new HashPartitioner(4))
      .mapPartitions(x => {
        println("**********************the partition line ***********************")
        x.toList.map(y => (y._1, y._2 + 1)).toIterator
      })
    rdd2.foreach(x => println(x))
    sc.stop()
  }
}
------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------
package com.brd.util

import org.apache.spark.SparkContext

object sparkUtils {
  def mapPartUse(sc:SparkContext): Unit ={
    val rddMap =sc.parallelize(1 to 10,2).repartition(3)
    val rdd_result=rddMap.mapPartitions(x=>{
      println("execute once partition dealing")
      x.toList.map(y=>y*y).toIterator
    })
    rdd_result.foreach(x=>println(x))
  }
}

演示的示例1

核数为 ：2 本地节点为 一个 executor
因此可以同时并行2个task

当分区数设置为3 ，则需要2轮次跑完，并且一个核空转
当分区数设置为1 ，则需要1轮跑完，并且一个核空转
当分区数设置为4，则需要2轮跑完，没有空转的核。