云計(jì)算大數(shù)據(jù)培訓(xùn)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(shí)，在這三個(gè)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?yàn)榘l(fā)生頻繁的GC，會(huì)導(dǎo)致spark性能立馬下降 
B, 給executor分配更多的內(nèi)存，那么就會(huì)將盡量多的RDD的數(shù)據(jù)保存在內(nèi)存中，可以避免磁盤(pán)IO（頻繁的IO會(huì)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(gè)stage數(shù)據(jù)時(shí)，將數(shù)據(jù)存入磁盤(pán)（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(shí)間執(zhí)行任務(wù)的數(shù)量就會(huì)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?cè)诮o任務(wù)分配更多資源的時(shí)候，就意味著任務(wù)能夠具備更多的資源來(lái)執(zhí)行，但是我們需要考慮一點(diǎn)，例如：給任務(wù)分配了5個(gè)executor，每個(gè)executor有10 個(gè)core，那么整個(gè)任務(wù)就會(huì)有5*10=50 個(gè)核，也就意味著同一時(shí)間能夠并行執(zhí)行的任務(wù)是50個(gè)，當(dāng)我們的任務(wù)只有20個(gè)時(shí)，那么還有30個(gè)core是空閑的，浪費(fèi)了，即，任務(wù)的數(shù)量不能滿足并行度，針對(duì)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(gè)參數(shù)，后面一個(gè)參數(shù)就是用來(lái)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(gè)算子，coalesce(500,true) 
3，可以通過(guò)這個(gè)參數(shù)來(lái)調(diào)節(jié)任務(wù)的并行度 spark.default.parallelism ==> sparkConf.set(“spark.default.parallelism”，5)