1
条回答
写回答
写回答
-
1）前提是定位数据倾斜，是OOM了，还是任务执行缓慢，看日志，看WebUI 2)解决方法，有多个方面 · 避免不必要的shuffle，如使用广播小表的方式，将reduce-side-join提升为map-side-join ·分拆发生数据倾斜的记录，分成几个部分进行，然后合并join后的结果 ·改变并行度，可能并行度太少了，导致个别task数据压力大 ·两阶段聚合，先局部聚合，再全局聚合 ·自定义paritioner，分散key的分布，使其更加均匀 详细解决方案参考博文《Spark数据倾斜优化方法》
2019-10-28 16:28:40赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
