這篇文章主要介紹“hash shuffle發(fā)展階段有哪些”，在日常操作中，相信很多人在hash shuffle發(fā)展階段有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”hash shuffle發(fā)展階段有哪些”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

創(chuàng)新互聯(lián)公司服務(wù)項(xiàng)目包括盧氏網(wǎng)站建設(shè)、盧氏網(wǎng)站制作、盧氏網(wǎng)頁(yè)制作以及盧氏網(wǎng)絡(luò)營(yíng)銷策劃等。多年來(lái)，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢(shì)、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，盧氏網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到盧氏省份的部分城市，未來(lái)相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

spark實(shí)現(xiàn)了多種shuffle方法，通過(guò) spark.shuffle.manager來(lái)確定。暫時(shí)總共有三種：hash shuffle、sort shuffle和tungsten-sort shuffle，從1.2.0開始默認(rèn)為sort shuffle。

spark在1.2前默認(rèn)為hash shuffle（spark.shuffle.manager = hash），但hash shuffle也經(jīng)歷了兩個(gè)發(fā)展階段。

 ##第一階段

上圖有 4 個(gè) ShuffleMapTask 要在同一個(gè) worker node 上運(yùn)行，CPU core 數(shù)為 2，可以同時(shí)運(yùn)行兩個(gè) task。每個(gè) task 的執(zhí)行結(jié)果（該 stage 的 finalRDD 中某個(gè) partition 包含的 records）被逐一寫到本地磁盤上。每個(gè) task 包含 R 個(gè)緩沖區(qū)，R = reducer 個(gè)數(shù)（也就是下一個(gè) stage 中 task 的個(gè)數(shù)），緩沖區(qū)被稱為 bucket，其大小為spark.shuffle.file.buffer.kb ，默認(rèn)是 32KB（Spark 1.1 版本以前是 100KB）。

##第二階段 這樣的實(shí)現(xiàn)很簡(jiǎn)單，但有幾個(gè)問題：

1 產(chǎn)生的 FileSegment 過(guò)多。每個(gè) ShuffleMapTask 產(chǎn)生 R（reducer 個(gè)數(shù)）個(gè) FileSegment，M 個(gè) ShuffleMapTask 就會(huì)產(chǎn)生 M * R 個(gè)文件。一般 Spark job 的 M 和 R 都很大，因此磁盤上會(huì)存在大量的數(shù)據(jù)文件。

2 緩沖區(qū)占用內(nèi)存空間大。每個(gè) ShuffleMapTask 需要開 R 個(gè) bucket，M 個(gè) ShuffleMapTask 就會(huì)產(chǎn)生 M * R 個(gè) bucket。雖然一個(gè) ShuffleMapTask 結(jié)束后，對(duì)應(yīng)的緩沖區(qū)可以被回收，但一個(gè) worker node 上同時(shí)存在的 bucket 個(gè)數(shù)可以達(dá)到 cores R 個(gè)（一般 worker 同時(shí)可以運(yùn)行 cores 個(gè) ShuffleMapTask），占用的內(nèi)存空間也就達(dá)到了cores * R * 32 KB。對(duì)于 8 核 1000 個(gè) reducer 來(lái)說(shuō)，占用內(nèi)存就是 256MB。

spark.shuffle.consolidateFiles默認(rèn)為false，如果為true，shuffleMapTask輸出文件可以被合并。如圖

可以明顯看出，在一個(gè) core 上連續(xù)執(zhí)行的 ShuffleMapTasks 可以共用一個(gè)輸出文件 ShuffleFile。先執(zhí)行完的 ShuffleMapTask 形成 ShuffleBlock i，后執(zhí)行的 ShuffleMapTask 可以將輸出數(shù)據(jù)直接追加到 ShuffleBlock i 后面，形成 ShuffleBlock i'，每個(gè) ShuffleBlock 被稱為 FileSegment。下一個(gè) stage 的 reducer 只需要 fetch 整個(gè) ShuffleFile 就行了。這樣，每個(gè) worker 持有的文件數(shù)降為 cores * R。但是緩存空間占用大還沒有解決。

到此，關(guān)于“hash shuffle發(fā)展階段有哪些”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！

當(dāng)前名稱：hashshuffle發(fā)展階段有哪些
瀏覽地址：http://jinyejixie.com/article18/jjpegp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站制作、全網(wǎng)營(yíng)銷推廣、靜態(tài)網(wǎng)站、商城網(wǎng)站、做網(wǎng)站、營(yíng)銷型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)