1
条回答
写回答
写回答
-
性能影响：
shuffle操作涉及到网络传输数据，可能还有序列化的问题。它通过map来组织数据，通过reduce来聚集，（这里的mapreduce只是作为Hadoop的mapreduce意义的一种引申）
shuffle操作会占用堆内存，当内存不够用时，就会把数据放到磁盘上。
shuffle操作会在磁盘上产生大量的中间文件，这些文件只有在相关的RDD不再使用并被回收后，才会被删除。这样做的目的是多次shuffle的时候，不用重复进行计算。所以，长时间运行Spark的任务必定消耗巨大的磁盘空间。临时文件的目录可以通过spark.local.dir进行设置。
2021-12-05 21:34:05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
