juejin前言
文章目录
- juejin前言
- 面试题 01、运行资源优化配置 -num-executors
- 面试题 02、运行资源优化配置 -executor-memory
- 面试题 03、运行资源优化配置 -executor-cores
- 面试题 04、运行资源优化配置 -driver-memory
- 面试题 05、运行资源优化配置 -spark.default.parallelism
- 文档链接
- 总结
停，不要往下滑了，静静思考5分钟，看看这些面试题你都掌握了吗？
一个CPU核心同一时间只能执行一个线程。而每个Executor进程分配到的多个任务，都是以每个任务一个线程的方式，多线程并发运行的。
一个应用提交时应该设置多大的内存？设置多少个核心？设置几个Executor？
以下答案仅供参考：
./bin/spark-submit \ --master yarn-cluster \ --num-executors 100 \ --executor-memory 6G \ --executor-cores 4 \ --driver-memory 1G \ --conf spark.default.parallelism=1000 \ --conf spark.storage.memoryFraction=0.5 \ --conf spark.shuffle.memoryFraction=0.3 \
面试题 01、运行资源优化配置 -num-executors
参数说明：此参数用于设定Spark作业总共使用多少个Executor进程来执行。Driver在向YARN集群管理器请求资源时，YARN集群管理器会尽量按照你的设定，在集群的各个工作节点上启动相应数量的Executor进程。这个参数非常重要，如果未设定，默认只会启动少量的Executor进程，此时你的Spark作业运行速度会非常慢。
参数调优建议：每个Spark作业运行时，一般设定50到100个Executor进程比较合适，设定太少或太多都不好。设定太少，无法充分利用集群资源；设定太多，队列可能无法提供足够的资源。
面试题 02、运行资源优化配置 -executor-memory
参数说明：此参数用于设定每个Executor进程的内存。Executor内存的大小，通常直接决定了Spark作业的性能，并且与常见的JVM OOM异常有直接关联。
参数调优建议：每个Executor进程的内存设定为4G到8G较为合适。但这只是一个参考值，具体设定还需根据不同部门的资源队列来定。可以查看团队的资源队列的最大内存限制，num-executors * executor-memory不能超过队列的最大内存量。
此外，如果你与团队其他成员共享这个资源队列，那么申请的内存量最好不要超过资源队列最大总内存的1/3到1/2，以免你的Spark作业占用队列所有资源，导致其他同事的作业无法运行。
面试题 03、运行资源优化配置 -executor-cores
参数说明：此参数用于设定每个Executor进程的CPU核心数量。这个参数决定了每个Executor进程并行执行任务线程的能力。因为每个CPU核心同一时间只能执行一个任务线程，因此每个Executor进程的CPU核心数量越多，越能快速执行完分配给自己的所有任务线程。
参数调优建议：Executor的CPU核心数量设定为2到4个较为合适。同样根据不同部门的资源队列来定，可以查看自己的资源队列的最大CPU核心限制是多少，再依据设定的Executor数量，决定每个Executor进程可以分配到几个CPU核心。同样建议，如果与他人共享这个队列，那么num-executors * executor-cores不要超过队列总CPU核心的1/3到1/2左右比较合适，以免影响其他同事的作业运行。
面试题 04、运行资源优化配置 -driver-memory
参数说明：此参数用于设定Driver进程的内存。
参数调优建议：Driver的内存通常不设定，或者设定为1G左右就足够了。唯一需要注意的是，如果需要使用collect算子将RDD的数据全部拉取到Driver上进行处理（或者使用map side join操作），那么必须确保Driver的内存足够大，否则会出现OOM内存溢出的问题。
面试题 05、运行资源优化配置 -spark.default.parallelism
参数说明：此参数用于设定每个stage的默认任务数量，也可以认为是分区数。这个参数极为重要，如果未设定可能会直接影响你的Spark作业性能。
参数调优建议：Spark作业的默认任务数量设定为500到1000个较为合适。很多人常犯的一个错误就是不去设定这个参数，那么此时就会导致Spark自己根据底层HDFS的block数量来设定任务的数量，默认是一个HDFS block对应一个任务。通常来说，Spark默认设定的数量是偏少的（比如就几十个任务），如果任务数量偏少的话，就会导致你前面设定好的Executor的参数都前功尽弃。试想一下，无论你的Executor进程有多少个，内存和CPU有多大，但是任务只有1个或者10个，那么90%的Executor进程可能根本就没有任务执行，也就是白白浪费了资源！因此Spark官网建议的设定原则是，设定该参数为num-executors * executor-cores的2到3倍较为合适，比如Executor的总CPU核心数量为300个，那么设定1000个任务是可以的，此时可以充分利用Spark集群的资源。
文档链接
总结
今天我们复习了面试中常考的数据倾斜相关的五个问题，你是否已经了然于心了呢？其实做这个专栏我也有私心，就是希望借助每天写一篇面试题，督促自己学习，以免在面试期间尴尬！平时不流汗，面试多流泪！
对了，如果你的朋友也在准备面试，请将这个系列分享给他。好了，今天就到这里，学废了的同学，记得在评论区留言：打卡。给同学们以激励。
