- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我有一个集群,我执行了 wholeTextFiles
,它应该提取大约一百万个文本文件,总计大约 10GB
我有一个 NameNode 和两个 DataNode,每个都有 30GB
RAM,每个有 4 个内核。数据存储在 HDFS
中。
我没有运行任何特殊参数,作业仅读取数据就需要 5 个小时。这是预期的吗?是否有任何参数可以加快读取速度(spark 配置或分区、执行程序数量?)
我才刚刚起步,之前从未需要优化工作
编辑:此外,有人可以准确解释 wholeTextFiles 函数的工作原理吗? (不是如何使用它,而是它是如何编程的)。我非常有兴趣了解分区参数等。
编辑 2:基准评估
所以我尝试在wholeTextFile之后重新分区,问题是一样的,因为第一次读取仍然使用预定义的分区数,所以没有性能提升。加载数据后,集群的性能非常好......在处理整个文本文件的数据(对于 200k 文件)时,我收到以下警告消息:
15/01/19 03:52:48 WARN scheduler.TaskSetManager: Stage 0 contains a task of very large size (15795 KB). The maximum recommended task size is 100 KB.
这会是表现不佳的原因吗?我该如何对冲?
此外,在执行 saveAsTextFile 时,根据 Ambari 控制台,我的速度是 19MB/s。使用 wholeTextFiles 进行读取时,我的速度为 300kb/s.....
似乎通过增加 wholeTextFile(path,partitions)
中的分区数量,我的性能得到了提升。但仍然只有 8 个任务同时运行(我的 CPU 数量)。我正在进行基准测试以观察极限...
最佳答案
从评论中总结我的建议:
--num-executors
),每个执行器有 1 个线程(--executor-cores
)和 512m RAM(- -executor-memory
),只给你 2 个线程,每个线程 512MB RAM,这对于实际任务来说真的很小所以我的建议是:
--num-executors 4 --executor-memory 12g --executor-cores 4
启动 Spark,这会给你更多的并行性——在这个特殊情况下有 16 个线程,这意味着有 16 个任务在运行并行sc.wholeTextFiles
读取文件,然后将它们转储到压缩序列文件中(例如,使用 Snappy block 级压缩),这是如何完成此操作的示例:http://0x0fff.com/spark-hdfs-integration/ .这将大大减少在下一次迭代中阅读它们所需的时间关于scala - Spark : sc. WholeTextFiles 执行时间过长,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27989617/
我有一个“有趣”的问题,即以两种不同的方式运行 wine 会导致: $> wine --version /Applications/Wine.app/Contents/Resources/bin/wi
我制作了这个网络抓取工具来获取网页中的表格。我使用 puppeteer (不知道 crontab 有问题)、Python 进行清理并处理数据库的输出 但令我惊讶的是,当我执行它时 */50 * * *
JavaScript 是否被调用或执行取决于什么?准确地说,我有两个函数,它们都以相同的方式调用: [self.mapView stringByEvaluatingJavaScriptFromStri
我目前正在使用 python 做一个机器学习项目(这里是初学者,从头开始学习一切)。 只是想知道 statsmodels 的 OLS 和 scikit 的 PooledOlS 使用我拥有的相同面板数据
在使用集成对象模型 (IOM) 后,我可以执行 SAS 代码并将 SAS 数据集读入 .Net/C# 数据集 here . 只是好奇,使用 .Net 作为 SAS 服务器的客户端与使用 Enterpr
有一些直接的 jQuery 在单击时隐藏打开的 div 未显示,但仍将高度添加到导航中以使其看起来好像要掉下来了。 这个脚本工作正常: $(document).ready(funct
这个问题已经有答案了: How do I compare strings in Java? (23 个回答) 已关闭 4 年前。 这里是 Java 新手,我正在使用 NetBeans 尝试一些简单的代
如果我将它切换到 Python 2.x,它执行 10。这是为什么? 训练逻辑回归模型 import keras.backend as
我有两个脚本,它们包含在 HTML 正文中。在第一个脚本中,我初始化一个 JS 对象,该对象在第二个脚本标记中引用。 ... obj.a = 1000; obj.
每当我运行该方法时,我都会收到一个带有数字的错误 以下是我的代码。 public String getAccount() { String s = "Listing the accounts";
我已经用 do~while(true) 创建了我的菜单;但是每次用户输入一个数字时,它不会运行程序,而是再次显示菜单!你怎么看? //我的主要方法 public static void main(St
执行命令后,如何让IPython通知我?我可以使用铃声/警报还是通过弹出窗口获取它?我正在OS X 10.8.5的iTerm上运行Anaconda。 最佳答案 使用最新版本的iTerm,您可以在she
您好,我刚刚使用菜单栏为 Swing 编写了代码。但是问题出现在运行中。我输入: javac Menu.java java Menu 它没有给出任何错误,但 GUI 没有显示。这是我的源代码以供引用:
我觉得这里缺少明显的东西,但是我看不到它写在任何地方。 我使用Authenticode证书对可执行文件进行签名,但是当我开始学习有关它的更多信息时,我对原样的值(value)提出了质疑。 签名的exe
我正在设计一个应用程序,它使用 DataTables 中的预定义库来创建数据表。我想对数据表执行删除操作,为此应在按钮单击事件上执行 java 脚本。 $(document).ready(functi
我是 Haskell 新手,如果有人愿意帮助我,我会很高兴!我试图让这个程序与 do while 循环一起工作。 第二个 getLine 命令的结果被放入变量 goGlenn 中,如果 goGlenn
我有一个用 swing 实现迷你游戏的程序,在主类中我有一个循环,用于监听游戏 map 中的 boolean 值。使用 while 实现的循环不会执行一条指令,如果它是唯一的一条指令,我不知道为什么。
我正在尝试开发一个连接到 Oracle 数据库并执行函数的 Java 应用程序。如果我在 Eclipse 中运行该应用程序,它可以工作,但是当我尝试在 Windows 命令提示符中运行 .jar 时,
我正在阅读有关 Java 中的 Future 和 javascript 中的 Promises 的内容。下面是我作为示例编写的代码。我的问题是分配给 future 的任务什么时候开始执行? 当如下行创
我有一个常见的情况,您有两个变量(xSpeed 和 ySpeed),当它们低于 minSpeed 时,我想将它们独立设置为零,并在它们都为零时退出。 最有效的方法是什么?目前我有两种方法(方法2更干净
我是一名优秀的程序员,十分优秀!