- 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
我想我遇到了初学者错误,但我真的不知道如何修复它,这让我抓狂。我有一个由 2 台机器组成的集群:
我有一个网络类,我想通过从具有单个网络的列表开始,然后使用平面图将每个网络转换为 N 个新网络,在 for 循环中生成网络。之后我有一个过滤器和一个计数。步骤:
JavaSparkContext sc = new JavaSparkContext(conf);
List<Network> data = Arrays.asList(new Network());
JavaRDD<Network> currentN = sc.parallelize(data);
for(int k=1;k<=10;k++) {
JavaRDD<Network> newN = currentN.flatMap(new MyFlatMap());
currentN = newN;
}
JavaRDD<Network> filteredNetworks = currentN.filter(new MyFilter());
System.out.println(filteredNetworks.count());
算法运行并输出正确的值。
但是通过比较应用在不同场景下的持续时间,我倾向于认为应用不是并行运行的:
使用两台机器的集群,总共有 2GB 内存和 8 个内核:持续时间 1.5 分钟
仅使用第二台机器 (VM Ubuntu)、1GB RAM、4 核的集群:持续时间 1.1 分钟
仅使用第一台机器(master、worker 和驱动程序)、1GB RAM、4 核的集群:持续时间 3.2 分钟
我的 spark UI 的屏幕截图:
我不知道为什么在虚拟机中运行 Ubuntu 的机器比主机(master、worker 和驱动程序)快,因为主机有更好的 CPU(i7 2.6GHZ 与 i3 1 相比,9GHZ).
但主要问题是为什么在一台机器上运行比在两台机器上运行更快?难道不应该反过来吗?我的猜测是 RDD 不是并行计算的。如果是这种情况,您能否解释一下为什么以及如何让它并行处理?
工作职责说明:
基本上,这是我想在 for 循环中实现的:
我从 1 Network 的 RDD 开始(它不是一个文件,它只是一个小类)。
在 for 循环中,我使用 flatMap 将 1 个网络转换为 10 个新网络。
迭代 0:currentN = 1 个网络 -> flatMap -> currentN = 10 个网络
迭代 1:currentN = 10 个网络 -> flatMap -> currentN = 100 个网络
..
迭代 9:currentN = 10^8 个网络 -> flatMap -> currentN = 10^9 个网络
正如我所说,我正在生成输入。我想并行生成,所以这意味着 flatMap 需要并行完成。为此,spark 应该:
带N个网络的RDD
将RDD分成8个partition for each core,每个partition有N/8 Networks
在每台机器上并行应用 flatMap,将每个 N/8 网络转换为 N/8*10 新网络。
在每台机器上重复这些步骤,并行使用 flatMap 进行生成。
for 循环结束后,每台机器应该有 10^9/8 个网络。并行过滤,然后统计每台机器上每个RDD的元素个数,并行输出结果。
这是我想要实现的,但出于某种原因,for 循环中的 flatMap 生成仅在一台机器上完成。
最佳答案
Spark UI 的最后一个屏幕截图显示,在您的 8 个任务中,有 7 个以最长 37 毫秒的时间完成,而最长的任务至少运行了 46 秒。
如果您有一个任务运行 3 分钟而其他任务运行不到一秒,则您的分布式计算是不平衡的,因此您无法利用多台机器同时运行的优势,因为计算时间受最长限制任务。
这种行为通常是由不平衡操作/转换(join
, ...)的不平衡大小的输入(1 Ko 的 7 个文件和 1 Go 的 1 个文件)引起的。
最后,如果不知道你的工作是什么,很难解释你的时间与 CPU,但一个可能的解释是你有一个数据密集型工作(而不是 CPU 密集型工作),因此瓶颈是硬盘驱动器(SSD在 CPU 最慢的机器上)。
关于hadoop - Spark/Hadoop 作业未并行运行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42886401/
我们有数据(此时未分配)要转换/聚合/透视到 wazoo。 我在 www 上看了看,我问的所有答案都指向 hadoop 可扩展、运行便宜(没有 SQL 服务器机器和许可证)、快速(如果你有足够的数据)
这很明显,我们都同意我们可以将 HDFS + YARN + MapReduce 称为 Hadoop。但是,Hadoop 生态系统中的其他不同组合和其他产品会怎样? 例如,HDFS + YARN + S
如果 es-hadoop 只是连接到 HDFS 的 Hadoop 连接器,它如何支持 Hadoop 分析? 最佳答案 我假设您指的是 this project .在这种情况下,ES Hadoop 项目
看完this和 this论文,我决定我想在 MapReduce 上为大型数据集实现分布式体积渲染设置作为我的本科论文工作。 Hadoop 是一个合理的选择吗? Java 不会扼杀一些性能提升或使与 C
我一直在尝试查找有关如何通过命令行提交 hadoop 作业的信息。 我知道命令 - hadoop jar jar-file 主类输入输出 还有另一个命令,我正在尝试查找有关它的信息,但未能找到 - h
Hadoop 服务器在 Kubernetes 中。而Hadoop客户端位于外网。所以我尝试使用 kubernetes-service 来使用 Hadoop 服务器。但是 hadoop fs -put
有没有人遇到奇怪的环境问题,在调用 hadoop 命令时被迫使用 SU 而不是 SUDO? sudo su -c 'hadoop fs -ls /' hdfs Found 4 itemsdrwxr-x
在更改 mapred-site.xml 中的属性后,我给出了一个 tar.bz2 文件、.gz 和 tar.gz 文件作为输入。以上似乎都没有奏效。我假设这里发生的是 hadoop 作为输入读取的记录
如何在 Hadoop Pipes 中获取正在 hadoop 映射器 中执行的输入文件 名称? 我可以很容易地在基于 java 的 map reducer 中获取文件名,比如 FileSplit fil
我想使用 MapReduce 方法分析连续的数据流(通过 HTTP 访问),因此我一直在研究 Apache Hadoop。不幸的是,Hadoop 似乎期望以固定大小的输入文件开始作业,而不是能够在新数
名称节点可以执行任务吗?默认情况下,任务在集群的数据节点上执行。 最佳答案 假设您正在询问MapReduce ... 使用YARN,MapReduce任务在应用程序主数据库中执行,而不是在nameno
我有一个关系A包含 (zip-code). 我还有另一个关系B包含 (name:gender:zip-code) (x:m:1234) (y:f:1234) (z:m:1245) (s:f:1235)
我是hadoop地区的新手。您能帮我负责(k2,list[v2,v2,v2...])形式的输出(意味着将键及其所有关联值组合在一起)的责任是吗? 谢谢。 最佳答案 这是Hadoop的MapReduce
因此,我一直在尝试编写一个hadoop程序,该程序将输入作为一个包含许多文件的文件,并且我希望hadoop程序的输出仅是输入文件的一行。但是我还没有做到这一点。我也不想去 reducer 课。如果有人
我使用的输入文本文件的内容是 1 "Come 1 "Defects," 1 "I 1 "Information 1 "J" 2 "Plain 5 "Project 1
谁能告诉我以下grep命令的作用: $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' 最佳答案 http:/
我不了解mapreducer的基本功能,mapreducer是否有助于将文件放入HDFS 或mapreducer仅有助于分析HDFS中现有文件中的内容 我对hadoop非常陌生,任何人都可以指导我理解
CopyFromLocal将从本地文件系统上载数据。 不要放会从任何文件上传数据,例如。本地FS,亚马逊S3 或仅来自本地fs ??? 最佳答案 请找到两个命令的用法。 put ======= Usa
我开始研究hadoop mapreduce。 我是Java和hadoop的初学者,并且了解hadoop mapreduce的编码,但是有兴趣了解它在云中的内部工作方式。 您能否分享一些很好的链接来说明
我一直在寻找Hadoop mapreduce类的类路径。我正在使用Hortonworks 2.2.4版沙箱。我需要这样的类路径来运行我的javac编译器: javac -cp (CLASS_PATH)
我是一名优秀的程序员,十分优秀!