Spark的核心调优参数是什么

Spark的核心调优参数是什么，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

Spark的核心调优参数到都有哪些

　　num-executors：

　　该参数用于设置Spark作业总共要用多少个Executor进程来执行。Driver在向YARN集群管理器申请资源时，YARN集群管理器会尽可能按照你的设置来在集群的各个工作节点上，启动相应数量的Executor进程。这个参数非常之重要，如果不设置的话，默认只会给你启动少量的Executor进程，此时你的Spark作业的运行速度是非常慢的。（建议50~100个左右的Executor进程）

　　executor-memory：

　　该参数用于设置每个Executor进程的内存。Executor内存的大小，很多时候直接决定了Spark作业的性能，而且跟常见的JVMOOM异常，也有直接的关联。（根据作业大小不同，建议设置4G~8G，num-executors乘以executor-memory，是不能超过队列的最大内存量的）

　　executor-cores：

　　该参数用于设置每个Executor进程的CPUcore数量。这个参数决定了每个Executor进程并行执行task线程的能力。因为每个CPUcore同一时间只能执行一个task线程，因此每个Executor进程的CPUcore数量越多，越能够快速地执行完分配给自己的所有task线程。（建议设置为2~4个，且num-executors*executor-cores不要超过队列总CPUcore的1/3~1/2）

　　driver-memory：

　　该参数用于设置Driver进程的内存（建议设置512M到1G）。

　　spark.default.parallelism：

　　该参数用于设置每个stage的默认task数量。这个参数极为重要，如果不设置可能会直接影响你的Spark作业性能。（建议为50~500左右，缺省情况下Spark自己根据底层HDFS的block数量来设置task的数量，默认是一个HDFSblock对应一个task。Spark官网建议设置该参数为num-executors*executor-cores的2~3倍较为合适）

　　spark.storage.memoryFraction：

　　该参数用于设置RDD持久化数据在Executor内存中能占的比例，默认是0.6（原则上是尽可能保证数据能够全部在内存中，但如果发现作业发生频繁的GC，就该考虑是否调小）

　　spark.shuffle.memoryFraction：

　　该参数用于设置shuffle过程中一个task拉取到上个stage的task的输出后，进行聚合操作时能够使用的Executor内存的比例，默认是0.2。也就是说，Executor默认只有20%的内存用来进行该操作。shuffle操作在进行聚合时，如果发现使用的内存超出了这个20%的限制，那么多余的数据就会溢写到磁盘文件中去，此时就会极大地降低性能。（shuffle操作较多时，建议降低持久化操作的内存占比，提高shuffle操作的内存占比比例，避免shuffle过程中数据过多时内存不够用，必须溢写到磁盘上，降低了性能）

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。