备案控制台

开发者社区

开发者社区> 问答> 正文

HDFS 用spark anti join后体积膨胀厉害怎么办？

HDFS 用spark anti join后体积膨胀厉害，即使排序或者repartition都没有啥效果，压缩编码snappy，请问怎么解决呢？

展开

收起

hbase小助手 2018-11-21 09:57:46 1841 0

1 条回答

写回答

取消提交回答

巴客

研究spark/hive/hbase相关技术

最好是把详细语句和现象发出来，要结合时间场景看的。

2019-07-17 23:15:39

赞同展开评论打赏

问答分类：

分布式计算 Spark

问答标签：

文件存储HDFS版spark apache spark HDFS apache spark join

问答地址：

开发者社区 > 大数据 > 问答

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

为什么通过spark 写 hudi 同步 hive 设置的主键是通过join写过来的

395

1

0

可否在后面总结RDS（hdfs spark presto)那里加上对emr-impala 的补充？

283

1

0

如何在EMR Hive或Spark中访问OSS-HDFS

150

1

0

请问我用你们spark产品的时候对接的hdfs开启了kerberos认证这边spark需要单独修

533

1

0

hdfs上的数据导入到clickhouse用什么方式最快呢？spark通过jdbc导入，还是hdfs

851

1

0

Spark中的join(otherDataset, [numTasks])方法的作用是什么？

329

1

0

spark DataFrame写入HDFS是怎么压缩的？

657

1

0

spark sql中join操作与left join操作区别是什么？

831

1

0

Spark安装完毕遇到中Hadoop HDFS的写入权限问题的解决方案是什么？

497

1

0

flink可以像spark一样正则读取hdfs目录下的文件吗？

629

1

0

问答排行榜

最热

最新

1 通过阿里云代备案系统进行个人快速备案 2699538

2 【大咖问答】对话PostgreSQL 中国社区发起人之一，阿里云数据库高级专家德哥 1818164

3 据说在家办公的程序员是这样写代码的？ 1792094

4 阿里云开放端口权限 689779

5 《阿里云服务器从入门到精通》—论坛精华帖汇总（2013.8.21更新） 599355

6 如何升级配置 536019

7 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522298

8 【精品问答】python技术1000问(1) 513935

9 Flink Forward Asia 2021 有奖问答 512761

10 Linux Bash严重漏洞修复紧急通知（已全部给出最终修复方案） 456884

11 工信部官网：www.miitbeian.gov.cn打不开解决办法 399448

12 OceanBase 使用动画（持续更新） 359221

13 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329681

14 OSS存储服务-客户端工具 321222

15 为体验实验室取一个新名字。 307154

16 企业邮箱发送邮件时，若出现投递失败产生退信，内容提示包含如下： the mta server of * reply:550 failed to meet SPF requirements 或者 the mta server of 163.com — 163mx01.mxmail.netease.com(220.181.14.141) reply:550 MI:SPF mx14,QMCowECpA0qTiftVaeB3Cg—.872S2 1442548128 http://mail.163.com/help 303641

17 Win Server 2003-2016 加密勒索事件必打补丁合集 295089

18 FLASH播放器，在IE浏览器下显示请确定您的域名已完成备案和CNAME绑定 283429

19 安全组详解，新手必看教程 277222

20 写code还是做管理，开发者如何进行职业规划？ 268230

1 如何让系统具备良好的扩展性？ 879

2 在JS编程中有哪些常见的编程“套路”或习惯？ 763

3 表单新加了个字段A，历史数据要添加字段A的值问题 125

4 在做程序员的道路上，你掌握了什么关键的概念或技术让你感到自身技能有了显著飞跃？ 1639

5 作为一个经典架构模式，事件驱动在云时代为什么会再次流行呢？ 1267

6 宜搭：提交表单前，如何校验另一张表单的数据？ 259

7 如何看待首个 AI 程序员入职科技公司？ 2043

8 未启用对服务器的访问 528

9 在图像处理应用场景下，Serverless架构的优势体现在哪些方面？ 1740

10 如何处理线程死循环？ 2343

11 宜搭自定义页面，这个是怎么配置的 203

12 Idea 2024.1RC 报错提示 249

13 如何写出更优雅的并行程序？ 1682

14 你认为一个优秀的技术PM应该具备什么样的能力？ 2145

15 宜搭页面复制问题 368

16 宜搭审批节点调用连接器给表单组件赋值 156

17 宜搭在自定义页面保存数据新建表单后如何返回新建表单formInstId值 150

18 Nacos配置了鉴权登录接口返回caused:这个有谁清楚吗？ 186

19 从哪个版本开始nacos分成了两个端口？8848和9848 149

20 钉钉宜搭中要如何实现每日定时自动获取表单1中符合条件的实例数量总和，并赋值给表单2中的某个组件 353

相关课程

更多

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第一阶段

283

33

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第三阶段

92

25

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段

106

19

去学习

大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第六阶段

180

21

去学习

Hadoop 分布式文件系统 HDFS

945

43

去学习

大数据实时计算框架Spark快速入门

778

93

去学习

推荐问答

乘风问答官招募中！机械键盘免费拿

相关电子书

更多

Hybrid Cloud and Apache Spark 立即下载

Scalable Deep Learning on Spark 立即下载

Comparison of Spark SQL with Hive 立即下载