陈超－Spark Summit China.pdfVIP

下载本文档

38
0
约1.11万字
约 39页
2017-08-19 发布于河南
举报
版权申诉

陈超－Spark Summit China.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Spark内核探索与性能优化陈超 @CrazyJvm Spark Summit China Did you know? cache/persist is lazy! unpersist is eager ! Did you know? groupByKey : not combine locally reduceByKey : combine locally Did you know? val level=MEMORY_AND_DISK will not spill data to disk immediately after you call sc.persist(level)! Did you know? How to decide task number?! if…else if…else… Let’s go! 再看RDD 分区 protected def getPartitions: Array[Partition] 依赖 protected def getDependencies: Seq[Dependency[_]] = deps 函数 def compute(split: Partition, context: TaskContext): Iterator[T] 最佳位置(可选) protected def getPreferredLocations(split: Partition): Seq[String] = Nil 分区策略(可选) @transient val partitioner: Option[Partitioner] = None 7 HadoopRDD • 分区: 每个HDFS block • 依赖: ⽆ • 函数: 读取每⼀个block • 最佳位置: HDFS block所在位置 • 分区策略: ⽆ 8 FilteredRDD • 分区: 与⽗RDD⼀致 • 依赖: 与⽗RDD⼀对⼀ • 函数: 计算⽗RDD的每个分区并过滤 • 最佳位置: ⽆(与⽗RDD⼀致) • 分区策略: ⽆ 9 JoinedRDD • 分区 : 每个reduce任务⼀个分区 • 依赖 : 依赖所有⽗RDD • 函数 :读取shufﬂe数据并计算 • 最佳位置 : ⽆可以指定 Partitioner • 分区策略 : HashPartitioner(partitions: Int) 10 Cluster Overview Worker Node Executor Cache