2
条回答
写回答
写回答
-
Android系统与应用研发7年，专注于系统性能问题处理、开发流程工具研发、SDK组件研发工作。 服务端研发2年，前后使用Golang, RoR搭建后端服务程序。出现数据倾斜，导致数据量大的计算时间过长。
2021-03-02 20:39:15赞同 展开评论 打赏 -
https://developer.aliyun.com/profile/5yerqm5bn5yqg?spm=a2c6h.12873639.0.0.6eae304abcjaIB它的表现有多种，比如若干task停滞不前，像是出现了bugs，又比如大量的diskspilling会导致很多节点都无事可做。此外，你也许会看到outofmemory这种异常。其解决方法也很多，比如找到skewvalues然后重写query，或者在join的情况下增加skewkeys来消除数据分布不均，但是无论哪种方法，都非常浪费时间，且后期难以维护。AQE解决问题的方式如下，其通过shuffle落地后的中间数据结果判断哪些partition是skew的，如果partition过大，就将其分成若干较小的partition，通过分而治之，总体性能大幅提升。
2020-12-28 13:48:02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？
561
大佬，可以请教下，有没有遇到 com.aliyun.oss
1206
数据湖要考虑的首要问题是什么？
1478
阿里云Data bricks数据洞察(DDI)架构是什么？
1050
emr目前和max compute是竟品吗？上线业务该怎么选？
475
spark sql 使用row_number 出现oom
1417
sprak是什么
718
Data Lake Delta 不同点有什么？
908
Spark调优数据分布不均是什么意思？
1553
sprak如何调参，使得应用运行的更快？
637
展开全部
分布式快照算法: Chandy-Lamport
23610
现代流式计算的基石：Google DataFlow
18456
梨视频：基于阿里云E-MapReduce搭建视频推荐系统的实践
13470
基于Alluxio系统的Spark DataFrame高效存储管理技术
12274
JindoFS概述：云原生的大数据计算存储分离方案
23163
Apache Spark 3.0 将内置支持 GPU 调度
10536
HAS-插件式Kerberos认证框架
8575
开源生态的新发展：Apache Spark 3.0、Koala和Delta Lake
8716
HBase写性能优化
8311
Spark中的资源调度
7689
展开全部
