SparkSQL性能优化终极篇

本文汇总了SparkSQL的常用性能优化技术,包括使用缓存、开启CBO、设置合理的shuffle分区数、join时使用广播变量,以及Spark3.0的优化策略。详细介绍了各优化方法的原理和实现方式,有助于提升查询效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言

在这里插入图片描述

随着Spark版本的不断迭代,SparkSQL底层使用了各种优化技术,无论方便性、性能都已经超越了RDD。因此SparkSQL已经是最常用的Spark开发方式,这里把常用的SparkSQL性能优化技术进行汇总。

使用缓存

  • 缓存
    我们知道spark开发中如果有重复使用dataset/table的时候需要使用缓存来提高性能。比如:
    spark.catalog.cacheTable("view1")
    
    或者:
    spark.table("view1").cache()
    
    如果是dataset可以直接用:
    dataset.cache()
    

    注意:在一个比较复杂的spark程序中使用了缓存,当不需要的使用一定要记得移除缓存释放掉占用的资源:
    spark.catalog.uncacheTable(“view1”)

  • 缓存压缩
    建议可以根据实际内存情况调整下面一个参数:
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SunnyRivers

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值