Spark 3.0中的AQE中动态合并shuffle分区什么意思？
Spark 3.0中的AQE中动态合并shuffle分区什么意思？ 求大佬解答
展开
收起
1
条回答
写回答
写回答
-
https://developer.aliyun.com/profile/5yerqm5bn5yqg?spm=a2c6h.12873639.0.0.6eae304abcjaIBShuffle分区数量和大小对查询性能很关键。在Spark3.0以前，Shuffle分区是一个固定值，存在着明显的缺点，如果分区过小会导致I/O低效、调度开销和任务启动开销，但是如果分区过大又会带来GC压力和溢写硬盘等问题。另一方面，在Spark3.0之前，整个查询执行过程中使用统一的分区数，而在查询执行的不同阶段，数据规模会发生明显变化，如果保持统一的分区数，则大大降低了效率。基于以上，动态合并Shuffle分区是非常必要的。
2020-12-28 11:59:52赞同 展开评论 打赏
问答分类：
问答地址：
开发者社区
>
大数据与机器学习
>
开源大数据平台 E-MapReduce
>
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
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
热门讨论
热门文章
hdfs 文件块过多（1亿）每个datanode 占3000万块(分16G内),某时刻内存陡然增加？
634
Mem usage has exceed the limit of BE - com.mysql.j
1501
Databricks 和 Dataworks 都是一站式的数据分析平台，两者的区别是什么？
2098
Spark云原生容器化后续的方向分为哪两方面？
618
阿里云E-MapReduce中starrocks 2.4的mysql外部表哪个字段类型，映射不上吗？
248
阿里云共享块存储和NAS还有OSS的区别是什么呀
7768
核桃编程是什么？
3176
想问下，maxcomputer 创建的SQL脚本 可以用shell 调用运行吗
1151
S3DistCp是什么？
1551
DLF 支持的文件格式有哪些？
1346
展开全部
分布式快照算法: Chandy-Lamport
23640
JindoFS概述：云原生的大数据计算存储分离方案
23229
助力云上开源生态 - 阿里云开源大数据平台的发展
11828
基于Spark Streaming 进行 MySQL Binlog 日志准实时传输
11037
Flume NG 简介及配置实战
9669
开源生态的新发展：Apache Spark 3.0、Koala和Delta Lake
8730
开源大数据周刊-第97期
6844
Apache Flink : Checkpoint 原理剖析与应用实践
7275
Presto实现原理（转）
7189
使用EMR-Kafka Connect进行数据迁移
14049
展开全部
