- 首页 > it技术 > >
大数据|Spark调优解决方案（一）之提交任务时合理分配资源
一、性能调优之在实际项目中分配更多资源
-------------------------------------------
分配更多资源：性能调优的王道，
增加和分配更多的资源，性能和速度上的提升，是显而易见的；
基本上，在一定范围之内，增加资源与性能的提升，是成正比的；
写完了一个复杂的spark作业之后，进行性能调优的时候，首先第一步，就是要来调节最优的资源配置；
在这个基础之上，如果说你的spark作业，能够分配的资源达到了你的能力范围的顶端之后，无法再分配更多的资源了，公司资源有限；
那么才是考虑去做后面的这些性能调优的点。二、具体操作
---------------------------------------------
1.分配哪些资源？
executor的数量
cpu per executor 每个executor的core数
memory per executor 每个executor的内存数
driver memory 驱动节点分配的内存2.在哪里分配这些资源？在我们在生产环境中，提交spark作业时，用的spark-submit shell脚本，里面调整对应的参数
/usr/local/spark/bin/spark-submit \
--class cn.spark.sparktest.core.WordCountCluster \
--num-executors 3 \配置executor的数量
--driver-memory 100m \配置driver的内存（影响不大）
--executor-memory 100m \配置每个executor的内存大小
--executor-cores 3 \配置每个executor的cpu core数量
/usr/local/SparkTest-0.0.1-SNAPSHOT-jar-with-dependencies.jar \3.调节到多大，算是最大呢？
第一种，Spark Standalone，公司集群上，搭建了一套Spark集群，你心里应该清楚每台机器还能够给你使用的，大概有多少内存，多少cpu core；
那么，设置的时候，就根据这个实际的情况，去调节每个spark作业的资源分配。
比如说你的每台机器能够给你使用4G内存，2个cpu core；
20台机器；executor，20；4G内存，2个cpu core，平均每个executor。第二种，Yarn。资源队列。资源调度。应该去查看，你的spark作业，要提交到的资源队列，大概有多少资源？
500G内存，100个cpu core；executor，50；10G内存，2个cpu core，平均每个executor。一个原则，你能使用的资源有多大，就尽量去调节到最大的大小（executor的数量，几十个到上百个不等；executor内存；executor cpu core）三、原理
---------------------------------------------
1.首先SparkContext，DAGScheduler，TaskScheduler会将我们的算子，切割成大量的task,提交到Application的excutor上去执行2.增加executor的数量 --num-executors
executor的数量表示了并行任务的执行力，如果executor数量比较少，那么，能够并行执行的task数量就比较少，
就意味着，我们的Application的并行执行的能力就很弱。
比如有3个executor，每个executor有2个cpu core，那么同时能够并行执行的task，就是6个。6个执行完以后，再换下一批6个task。3.增加executor的核心数 --executor-cores
增加每个executor的cpu core，也是增加了执行的并行能力。原本20个executor，每个才2个cpu core。
能够并行执行的task数量，就是40个task。
现在每个executor的cpu core，增加到了5个。能够并行执行的task数量，就是100个task。
执行的速度，提升了2.5倍。4.增加每个executor的内存大小
减少磁盘IO
a.如果需要对RDD进行缓存，那么更多的内存，就可以缓存更多的数据，将更少的数据写入磁盘，甚至不写入磁盘。减少了磁盘IO。
b.对于shuffle操作，reduce端，会需要内存来存放拉取的数据并进行聚合。如果内存不够，也会写入磁盘。如果给executor分配更多内存以后，就有更少的数据，需要写入磁盘，甚至不需要写入磁盘。减少了磁盘IO，提升了性能。减少垃圾处理的消耗
a.对于task的执行，可能会创建很多对象。如果内存比较小，可能会频繁导致JVM堆内存满了，然后频繁GC，垃圾回收，minor GC和full GC。（速度很慢）。内存加大以后，带来更少的GC，垃圾回收，避免了速度变慢，速度变快了。
推荐阅读
