开发者社区 > 大数据与机器学习 > 大数据计算 MaxCompute > 正文

如何调优化解 EB 级数据压力?

已解决

如何调优化解 EB 级数据压力?

展开
收起
游客lmkkns5ck6auu 2022-08-10 14:23:11 459 0
1 条回答
写回答
取消 提交回答
  • 推荐回答

    为了应对挑战,与往年相比,除了常规的 HBO 等调整之外,飞天大数据平台加速了过去 1-2 年中技术积累成果的上线,尤其是 Fuxi 2.0 首次亮相双十一,最终在单日任务量近千万、单日计算量近千 PB 的压力下,保障了基线全部按时产出。

    ·在平台性能优化方面,StreamlineX+Shuffle Service根据实时数据特征自动智能化匹配高效的处理模式和算法,挖掘硬件特性深度优化 IO,内存,CPU 等处理效率,在减少资源使用的同时,让全量 SQL 平均处理速度提升将近 20%,出错重试率下降至原来的几十分之一,大大提升MaxCompute 平台整体效能;,

    ·在分布式作业调度执行方面,对于挑战#3,DAG 2.0 提供了更敏捷的调度执行能力,和全面去阻塞能力,能为大规模的 MR 作业带来近 50% 的性能提升。同时DAG 动态框架的升级,也为分布式作业的调度执行带来了更灵活的动态能力,能根据数据的特点进行作业执行过程中的动态调整;

    ·在资源保障方面,为应对挑战 #4,Fuxi 对高优先级作业(主要是高优先级作业) 采取了更严格、更细粒度的资源保障措施,如资源调度的交互式抢占功能、基于时间 预估的全局最优抢占、高优先级作业全局Quota保障等。目前线上最高优先级的作业基本能在 90s 内抢占到资源;

    ·其他如业务调优支持等:如业务数据压测配合,与作业调优等。

    以上内容摘自《“伏羲”神算》电子书,点击https://developer.aliyun.com/topic/download?id=873

    2022-08-11 10:50:25
    赞同 展开评论 打赏

MaxCompute(原ODPS)是一项面向分析的大数据计算服务,它以Serverless架构提供快速、全托管的在线数据仓库服务,消除传统数据平台在资源扩展性和弹性方面的限制,最小化用户运维投入,使您经济并高效的分析处理海量数据。

相关电子书

更多
EB级别体量之下的高效数据赋能 立即下载
运维如何应对十倍、百倍的业务增长? 立即下载
性能魔方:大规模企业该如何应对应用性能挑战 立即下载