>>>>
点击上方蓝字关注我们,获取最新技术资讯
开源大数据社区 & 阿里云 EMR 系列直播 第三期
主题:在 Spark3.0 上实现 GPU 加速 ETL
讲师:沈国一(Gary),Nvidia Manager
主要内容:
用于 Apache Spark 3.0 的 RAPIDS 加速器
工作原理
GPU 处理加速的一些技术
性能测试结果
直播回放:点击阅读全文,或扫描文章底部二维码加入钉群观看回放
- 前言 -
Spark 3.0 开始支持了数据的列式处理,同时能够将 GPU 作为资源进行调度。在此基础上,Nvidia/Spark-Rapids 开源项目基于 Rapids 库, 以 plugin 的方式提供了一组 GPU 上实现的 ETL 处理,利用 GPU 强大的并发能力加速 Join , Sort , Aggregate 等常见的 ETL 操作。
本次分享主要介绍该开源项目和目前取得的一些进展,以及使用到的一些相关技术。
- 直播内容概览 -
使用 RAPIDS 加速 Apache Spark 3.0
Apache Spark在现代企业中的应用
结合 NVIDIA GPU 的 Spark 3.0
为什么要迁移到 Spark 3.0
英伟达提供 GPU 加速的 APACHE SPARK
那么它是如何工作的?
SPARK SQL & DATAFRAME 编译流程图
SPARK SQL & DATAFRAME 编译流程图
适合 GPU 的场合
-高散列度数据的 joins
-高散列度数据的 aggregates
-高散列度数据的 sort
-Window operations (特别是大型 windows)
-复杂计算
-数据编码(创建 Parquet 和 ORC 文件 读取 CSV)
并非适合于所有场合
GPU 处理加速的一些技术
加速 SHUFFLE
UDF 的部分支持
SCALA / JAVA / HIVE UDF 支持
-提供 Scala/Java/Hive 定义的 UDF
-调用已有 cuDF 提供的 Java API 执行 GPU 处理
-自定义 GPU native 处理
-详细参考:rapids accelerated user defined functions
其他技术-加速 GPU 处理
-小文件读取时,采用多线程并行以及合并 ( coalesce )
-GPU 内存不够时, spill 到 Host 内存和磁盘
-采用最新的 Gpu Direct Storage 技术,加快 GPU 内存到磁盘 NVMe 的 I/O
SPARK 3.0 性能测试结果
对以上相关内容感兴趣,可以点击阅读全文,或扫描文章底部二维码加入钉群观看回放~
END
阿里巴巴开源大数据技术团队成立Apache Spark中国技术社区,定期推送精彩案例,技术专家直播,问答区Spark技术同学在线提问答疑,只为营造纯粹的Spark氛围,欢迎钉钉扫码加入!
????戳阅读原文,快速回看直播视频~