黑马程序员技术交流社区

标题: 【广州校区】如何避免生产Spark Shuffle的某场景 [打印本页]

作者: 白猫    时间: 2019-10-10 17:14
标题: 【广州校区】如何避免生产Spark Shuffle的某场景
概述


有的时候,我们可能会遇到大数据计算中一个最棘手的问题——数据倾斜,此时Spark作业的性能会比期望差很多。数据倾斜调优,就是使用各种技术方案解决不同类型的数据倾斜问题,以保证Spark作业的性能。本文将针对某一数据倾斜的场景给出解决方案。

数据倾斜场景

在对RDD使用join类操作,或者是在Spark SQL中使用join语句时,而且join操作中的一个RDD或表的数据量比较小(比如几百M或者一两G),比较适用此方案。

方案实现思路

不使用join算子进行连接操作,而使用Broadcast变量与map类算子实现join操作,进而完全规避掉shuffle类的操作,彻底避免数据倾斜的发生和出现。
将较小RDD中的数据直接通过collect算子拉取到Driver端的内存中来,然后对其创建一个Broadcast变量;接着对另外一个RDD执行map类算子,在算子函数内,从Broadcast变量中获取较小RDD的全量数据,与当前RDD的每一条数据按照连接key进行比对,如果连接key相同的话,那么就将两个RDD的数据用你需要的方式连接起来。


方案实现原理
普通的join是会走shuffle过程的,而一旦shuffle,就相当于会将相同key的数据拉取到一个shuffle readtask中再进行join,此时就是reduce join。但是如果一个RDD是比较小的,则可以采用广播小RDD全量数据+map算子来实现与join同样的效果,也就是map join,此时就不会发生shuffle操作,也就不会发生数据倾斜。具体原理如下图所示


方案缺点
适用场景少,因为这个方案只适用于一个大表和一个小表的情况。毕竟我们需要将小表进行广播,此时会比较消耗内存资源,driver和每个Executor内存中都会驻留一份小RDD的全量数据。如果我们广播出去的RDD数据比较大,比如10G以上,那么就可能发生内存溢出了。因此并不适合两个都是大表的情况。


代码实现

[AppleScript] 纯文本查看 复制代码
import org.apache.spark.{SparkConf, SparkContext}
object BigdatBroadCast {
def main(args: Array[String]): Unit = {
  val conf=new
SparkConf().setAppName("Bigdata_BroadCast").setMaster("local[2]")
  val sc=new SparkContext(conf)
  val smallRDD=sc.parallelize(Array(
  ("1","zhangsan"),
  ("2","lisi"),
  ("3","wangwu")
)).collectAsMap()
  val smallBroadCast=sc.broadcast(smallRDD)
  val bigRDD=sc.parallelize(Array(
  ("1","school1","male"),
  ("2","school2","female"),
  ("3","school3","male"),
  ("4","school4","male"),
  ("5","school5","female")
)).map(x=>(x._1,x))
  val broadCastValue=smallBroadCast.value
  bigRDD.mapPartitions(partitions=>{

   for ((key,value)<-partitions
    if (broadCastValue.contains(key)))
    yield(key,broadCastValue.getOrElse(key,""),value._2,value._3)

  }).collect().foreach(println)
  /** 结果
   * (1,zhangsan,school1,male)
   * (2,lisi,school2,female)
   * (3,wangwu,school3,male)
   */
}
}



小结

生产上产生数据倾斜的情况有很多,本文只是针对其中一个特定场景产生数据倾斜的情况给出解决方
案。在面对其他场景的数据倾斜时,需要具体问题具体分析才能得出较好的解决方案。






欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/) 黑马程序员IT技术论坛 X3.2