云計算大數(shù)據(jù)培訓之Spark調(diào)優(yōu)（1）

一，分配更多的資源

1，在哪里分配 
在提交任務(wù)時，在這三個參數(shù)上分配（–total-executor-cores –executor-memory –driver-memory） 
2，分配那些資源 
CPU core 和 memory 
3，怎么分配

4，分配之后有什么效果 
A, 給executor分配更多的內(nèi)存，能夠減少executor頻繁的GC，因為發(fā)生頻繁的GC，會導致spark性能立馬下降 
B, 給executor分配更多的內(nèi)存，那么就會將盡量多的RDD的數(shù)據(jù)保存在內(nèi)存中，可以避免磁盤IO（頻繁的IO會使spark性能下降） 
C, 給executor分配更多的內(nèi)存，可以減少任務(wù)在拉取上一個stage數(shù)據(jù)時，將數(shù)據(jù)存入磁盤（即，減少shuffle階段數(shù)據(jù)落地） 
D, 分配更多的CPU core，意味著同一時間執(zhí)行任務(wù)的數(shù)量就會提高（即，任務(wù)的并行度提升）

二，調(diào)節(jié)任務(wù)的并行度 
我們在給任務(wù)分配更多資源的時候，就意味著任務(wù)能夠具備更多的資源來執(zhí)行，但是我們需要考慮一點，例如：給任務(wù)分配了5個executor，每個executor有10 個core，那么整個任務(wù)就會有5*10=50 個核，也就意味著同一時間能夠并行執(zhí)行的任務(wù)是50個，當我們的任務(wù)只有20個時，那么還有30個core是空閑的，浪費了，即，任務(wù)的數(shù)量不能滿足并行度，針對這種情況，我們應(yīng)該調(diào)節(jié)任務(wù)的數(shù)量，提高任務(wù)的并行度

怎么提高任務(wù)的并行度？ 
1，調(diào)節(jié)shuffle階段任務(wù)的并行度，一般那些shuffle算子，有兩個參數(shù)，后面一個參數(shù)就是用來調(diào)節(jié)任務(wù)的并行度的，例如：reduceByKey(+,500) 
2，調(diào)節(jié)任務(wù)的分區(qū)數(shù)，可以使用這個算子，coalesce(500,true) 
3，可以通過這個參數(shù)來調(diào)節(jié)任務(wù)的并行度 spark.default.parallelism ==> sparkConf.set(“spark.default.parallelism”，5)