Я пытаюсь максимизировать параллелизм, распределяя RDD среди как можно большего числа исполнителей. Насколько мне известно, пользователь может использовать перераспределение, объединение или распараллеливание для изменения количества разделов. Но я не могу найти способ изменить количество исполнителей для хранения разделов. Кто-нибудь может подсказать, как это можно сделать?
Spark: как указать количество исполнителей для хранения RDD?
Ответы (2)
Когда вы запускаете приложение spark. Существует параметр --num-executors, указывающий, сколько исполнителей вы хотите, и параллельно --executor-cores, чтобы указать, сколько задач может выполняться параллельно в каждом исполнителе.
В вашем случае вы можете указать большое количество исполнителей, каждый из которых имеет только 1 исполняющее ядро. Тогда, например, у вас есть 10 разделов и 10 исполнителей, тогда каждому исполнителю будет назначена одна задача для обработки одного раздела.
Непосредственно введите spark-submit в командной строке, вы получите руководство. Он содержит что-то ниже
Spark standalone with cluster deploy mode only:
--driver-cores NUM Cores for driver (Default: 1).
Spark standalone or Mesos with cluster deploy mode only:
--supervise If given, restarts the driver on failure.
--kill SUBMISSION_ID If given, kills the driver specified.
--status SUBMISSION_ID If given, requests the status of the driver specified.
Spark standalone and Mesos only:
--total-executor-cores NUM Total cores for all executors.
Spark standalone and YARN only:
--executor-cores NUM Number of cores per executor. (Default: 1 in YARN mode,
or all available cores on the worker in standalone mode)
YARN-only:
--driver-cores NUM Number of cores used by the driver, only in cluster mode
(Default: 1).
--queue QUEUE_NAME The YARN queue to submit to (Default: "default").
--num-executors NUM Number of executors to launch (Default: 2).
If dynamic allocation is enabled, the initial number of
executors will be at least NUM.
--archives ARCHIVES Comma separated list of archives to be extracted into the
working directory of each executor.
--principal PRINCIPAL Principal to be used to login to KDC, while running on
secure HDFS.
--keytab KEYTAB The full path to the file that contains the keytab for the
principal specified above. This keytab will be copied to
the node running the Application Master via the Secure
Distributed Cache, for renewing the login tickets and the
delegation tokens periodically.
Это зависит от вашего режима развертывания. Вы должны отправить свой скрипт на искру с указанными выше параметрами, чтобы соответствующим образом определить количество исполнителей.