Spark的核心調優參數是什么

Spark的核心調優參數是什么，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

Spark的核心調優參數到都有哪些

　　num-executors：

　　該參數用于設置Spark作業總共要用多少個Executor進程來執行。Driver在向YARN集群管理器申請資源時，YARN集群管理器會盡可能按照你的設置來在集群的各個工作節點上，啟動相應數量的Executor進程。這個參數非常之重要，如果不設置的話，默認只會給你啟動少量的Executor進程，此時你的Spark作業的運行速度是非常慢的。（建議50~100個左右的Executor進程）

　　executor-memory：

　　該參數用于設置每個Executor進程的內存。Executor內存的大小，很多時候直接決定了Spark作業的性能，而且跟常見的JVMOOM異常，也有直接的關聯。（根據作業大小不同，建議設置4G~8G，num-executors乘以executor-memory，是不能超過隊列的最大內存量的）

　　executor-cores：

　　該參數用于設置每個Executor進程的CPUcore數量。這個參數決定了每個Executor進程并行執行task線程的能力。因為每個CPUcore同一時間只能執行一個task線程，因此每個Executor進程的CPUcore數量越多，越能夠快速地執行完分配給自己的所有task線程。（建議設置為2~4個，且num-executors*executor-cores不要超過隊列總CPUcore的1/3~1/2）

　　driver-memory：

　　該參數用于設置Driver進程的內存（建議設置512M到1G）。

　　spark.default.parallelism：

　　該參數用于設置每個stage的默認task數量。這個參數極為重要，如果不設置可能會直接影響你的Spark作業性能。（建議為50~500左右，缺省情況下Spark自己根據底層HDFS的block數量來設置task的數量，默認是一個HDFSblock對應一個task。Spark官網建議設置該參數為num-executors*executor-cores的2~3倍較為合適）

　　spark.storage.memoryFraction：

　　該參數用于設置RDD持久化數據在Executor內存中能占的比例，默認是0.6（原則上是盡可能保證數據能夠全部在內存中，但如果發現作業發生頻繁的GC，就該考慮是否調小）

　　spark.shuffle.memoryFraction：

　　該參數用于設置shuffle過程中一個task拉取到上個stage的task的輸出后，進行聚合操作時能夠使用的Executor內存的比例，默認是0.2。也就是說，Executor默認只有20%的內存用來進行該操作。shuffle操作在進行聚合時，如果發現使用的內存超出了這個20%的限制，那么多余的數據就會溢寫到磁盤文件中去，此時就會極大地降低性能。（shuffle操作較多時，建議降低持久化操作的內存占比，提高shuffle操作的內存占比比例，避免shuffle過程中數據過多時內存不夠用，必須溢寫到磁盤上，降低了性能）

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。