Spark 配置调优小结（基于32GB Terasort测试用例）

最新推荐文章于 2024-05-27 11:57:25 发布

原创

最新推荐文章于 2024-05-27 11:57:25 发布 · 1.6k 阅读

4 ·

CC 4.0 BY-SA版权

本文提供了详细的Spark集群性能调优建议，包括核心配置、内存管理、shuffle优化、压缩设置等关键参数调整策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 每个core配置2~3个任务（每个任务对应一个partition）,比如 46 core 的机器，配置 hibench.default.shuffle.parallelism 92
hibench.default.map.parallelism 92 //这个配置值是否生效取决于文件个数及大小和创建RDD时的参数

2. 每个executor配置4~6个 core，executor数= 总core/每个executor core
hibench.yarn.executor.num 12
hibench.yarn.executor.cores 4

3. 每个executor的内存要看处理的数据量，比如 128MB的数据 x (2~5)，因Java里的对象头，字节对齐，hashcode都额外占用空间。serialize的比例可以参考UI的
Shuffle Spill (Memory) / Shuffle Spill (Disk)
spark.executor.memory 5760m

4. 由于spark.memory.fraction 默认值是0.6，如果GC时间比较长的话，可以减少为0.1~0.3来减少 GC的时间
spark.memory.fraction

5. 可以适当增加driver的资源配置
spark.driver.cores 2
spark.driver.memory 6g

6. 默认是JavaSerilizer，使用kryo serializer来提高压缩数据的性能
spark.io.compression.lz4.blockSize 64k
spark.io.compression.snappy.blockSize 64k
spark.serializer org.apac