一、數據傾斜發生的原理 原理：在進行shuffle的時候，必須將各個節點上相同的key拉取到某個節點上的一個task來進行處理，比如按照key進行聚合或join等操作。此時如果某個key對應的數據量特別大的話，就會發生數據傾斜。數據傾斜只會發生在shuffle過程中。常用的並且可能會觸發 ...

Spark性能調優之Shuffle調優 • Spark底層shuffle的傳輸方式是使用netty傳輸，netty在進行網絡傳輸的過程會申請堆外內存（netty是零拷貝），所以使用了堆外內存 ...

spark shuffle參數調優　 spark.shuffle.file.buffer 默認值：32k 參數說明：該參數用於設置shuffle write task的BufferedOutputStream的buffer緩沖大小。將數據寫到磁盤文件之前，會先寫入buffer緩沖中 ...

Shuffle 概述 影響Spark性能的大BOSS就是shuffle，因為該環節包含了大量的磁盤IO、序列化、網絡數據傳輸等操作。 因此，如果要讓作業的性能更上一層樓，就有必要對 shuffle 過程進行調優。 當然，影響 Spark 性能的還有代碼開發、參數設置數以及數據傾斜的解決 ...

在開發完Spark作業之后，就該為作業配置合適的資源了。Spark的資源參數，基本都可以在spark-submit命令中作為參數設置。很多Spark初學者，通常不知道該設置哪些必要的參數，以及如何設置這些參數，最后就只能胡亂設置，甚至壓根兒不設置。資源參數設置的不合理，可能會導致 ...

前言 繼《Spark性能優化：開發調優篇》和《Spark性能優化：資源調優篇》講解了每個Spark開發人員都必須熟知的開發調優與資源調優之后，本文作為《Spark性能優化指南》的高級篇，將深入分析數據傾斜調優與shuffle調優，以解決更加棘手的性能問題 ...

1、前言 在大數據計算領域，Spark已經成為了越來越流行、越來越受歡迎的計算平台之一。Spark的功能涵蓋了大數據領域的離線批處理、SQL類處理、流式/實時計算、機器學習、圖計算等各種不同類型的計算操作，應用范圍與前景非常廣泛。在美團•大眾點評，已經有很多同學 ...

1、spark匯聚失敗 出錯原因，hive默認配置中parquet和動態分區設置太小 2.hive數據入hbase報錯 出現報錯原因： executor_memory和dirver_memory太小，在增大內存后還會出現連接超時的報錯 解決連接超時 ...