處理數(shù)據(jù)傾斜的方式_第1頁
處理數(shù)據(jù)傾斜的方式_第2頁
處理數(shù)據(jù)傾斜的方式_第3頁
處理數(shù)據(jù)傾斜的方式_第4頁
處理數(shù)據(jù)傾斜的方式_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

處理數(shù)據(jù)傾斜的方式01處理數(shù)據(jù)傾斜方式概述02處理數(shù)據(jù)傾斜的方式處理數(shù)據(jù)傾斜方式概述01處理數(shù)據(jù)傾斜方式概述

在Spark中解決數(shù)據(jù)傾斜的方式有很多種，這些解決數(shù)據(jù)傾斜的方式目的相同，就是使傾斜的task處理的數(shù)據(jù)分散開來解決數(shù)據(jù)傾斜。使用HiveETL預(yù)處理過濾少數(shù)傾斜的key增加并行度使用廣播變量廣播RDD結(jié)果數(shù)據(jù)采樣傾斜的key并分拆join處理數(shù)據(jù)傾斜的方式02處理數(shù)據(jù)傾斜的方式

如果導(dǎo)致數(shù)據(jù)傾斜的是Hive表。如果該Hive表中的數(shù)據(jù)本身很不均勻（比如某個key對應(yīng)了100萬數(shù)據(jù)，其他key才對應(yīng)了10條數(shù)據(jù)），而且業(yè)務(wù)場景需要頻繁使用Spark對Hive表執(zhí)行某個分析操作，那么比較適合使用這種技術(shù)方案。這種方案從根源上解決了數(shù)據(jù)傾斜，因為徹底避免了在Spark中執(zhí)行shuffle類算子，那么肯定就不會有數(shù)據(jù)傾斜的問題了處理數(shù)據(jù)傾斜的方式

如果發(fā)現(xiàn)導(dǎo)致傾斜的key就少數(shù)幾個，而且對計算本身的影響并不大的話，那么很適合使用這種方案。比如99%的key就對應(yīng)10條數(shù)據(jù)，但是只有一個key對應(yīng)了100萬數(shù)據(jù)，從而導(dǎo)致了數(shù)據(jù)傾斜。處理數(shù)據(jù)傾斜的方式

增加shufflereadtask的數(shù)量，可以讓原本分配給一個task的多個key分配給多個task，從而讓每個task處理比原來更少的數(shù)據(jù)。處理數(shù)據(jù)傾斜的方式

在對RDD使用join類操作，或者是在SparkSQL中使用join語句時，而且join操作中的一個RDD或表的數(shù)據(jù)量比較小（比如幾百M或者一兩G），比較適用此方案。處理數(shù)據(jù)傾斜的方式

兩個RDD/Hive表進行join的時候，如果數(shù)據(jù)量都比較大，無法采用“使用廣播變量廣播RDD結(jié)果數(shù)據(jù)”的方式處理傾斜。那么此時可以看一下兩個RDD/Hive表中的key分布情況。如果出現(xiàn)數(shù)據(jù)傾斜，是因為其中某一個RDD/Hive表中的少數(shù)幾個key的數(shù)據(jù)量過大，而另一個RDD/Hive表中的所有key都分布比較均勻，那么采用這個解決方案是比較合適的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論