- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
如果我有5个节点的集群,每个节点有1gb ram,现在如果我的数据文件是10gb 分布在所有 5 个节点中,假设每个节点中有 2gb,现在如果我触发
val rdd = sc.textFile("文件路径")
rdd.collect
将spark加载数据到ram中以及spark将如何处理这种情况它会立即拒绝还是会处理它。
最佳答案
让我们先理解你问的问题@intellect_dp,你有一个由 5 个节点组成的集群(这里的术语“节点”我假设机器通常包括硬盘、RAM、4 核 cpu 等),现在 每个节点具有1 GB RAM,并且您有10 GB 的数据文件,其分布方式为,2GB 数据驻留在每个节点的硬盘中。这里假设您正在使用 HDFS,现在每个节点的 block 大小为 2GB。
现在让我们打破这个:
由于 spark 中的延迟评估,只有当“Action API”被触发时,它才会将您的数据加载到 RAM 中并进一步执行。
这里你是说你正在使用“收集”作为一个 Action api。现在这里的问题是 RAM 大小小于您的 block 大小,如果您使用 spark 的所有默认配置(1 block = 1 partition)处理它并考虑到不会添加更多节点起来,那么在这种情况下,它会给你内存不足的异常。
现在的问题 - spark 是否可以通过给定类型的硬件配置来处理这种大数据?
答案 - 是的,首先你需要设置默认的最小分区:
val rdd = sc.textFile("文件路径",n)
这里 n 将是我默认的 block 的最小分区,现在我们只有 1gb 的 RAM,所以我们需要保持它小于 1gb,所以假设我们取 n = 4,现在你的 block 大小是 2gb, block 的最小分区是 4:
每个分区大小 = 2GB/4 = 500mb;
现在 spark 将首先处理这 500mb 并将其转换为 RDD,当下一个 500mb block 到来时,第一个 rdd 将溢出到硬盘(假定您已设置存储级别“MEMORY_AND_DISK_ONLY”).
通过这种方式,它将使用给定的集群硬件配置处理整个 10 GB 的数据文件。
现在我个人不会为这种情况推荐给定的硬件配置,因为它肯定会处理数据,但也有一些缺点:
首先会涉及到多个I/O操作,整个过程很慢。
其次,如果在读取或写入硬盘时出现任何滞后,您的整个工作将被丢弃,您会对这样的硬件配置感到沮丧。除此之外,您永远无法确定它会激发您的数据并在数据增加时能够给出结果。
所以尽量保持非常少的 I/O 操作,并且利用 spark 在内存中的计算能力,并添加更多资源以获得更快的性能。
关于apache-spark - 如果数据为 10 gb 且 RAM 为 1gb,会将数据加载到内存中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55429266/
尝试使用集成到 QTCreator 的表单编辑器,但即使我将插件放入 QtCreator.app/Contents/MacOS/designer 也不会显示。不过,相同的 dylib 文件确实适用于独
在此代码示例中。 “this.method2();”之后会读到什么?在返回returnedValue之前会跳转到method2()吗? public int method1(int returnedV
我的项目有通过gradle配置的依赖项。我想添加以下依赖项: compile group: 'org.restlet.jse', name: 'org.restlet.ext.apispark', v
我将把我们基于 Windows 的客户管理软件移植到基于 Web 的软件。我发现 polymer 可能是一种选择。 但是,对于我们的使用,我们找不到 polymer 组件具有表格 View 、下拉菜单
我的项目文件夹 Project 中有一个文件夹,比如 ED 文件夹,当我在 Eclipse 中指定在哪里查找我写入的文件时 File file = new File("ED/text.txt"); e
这是奇怪的事情,这个有效: $('#box').css({"backgroundPosition": "0px 250px"}); 但这不起作用,它只是不改变位置: $('#box').animate
这个问题在这里已经有了答案: Why does OR 0 round numbers in Javascript? (3 个答案) 关闭 5 年前。 Mozilla JavaScript Guide
这个问题在这里已经有了答案: Is the function strcmpi in the C standard libary of ISO? (3 个答案) 关闭 8 年前。 我有一个问题,为什么
我目前使用的是共享主机方案,我不确定它使用的是哪个版本的 MySQL,但它似乎不支持 DATETIMEOFFSET 类型。 是否存在支持 DATETIMEOFFSET 的 MySQL 版本?或者有计划
研究 Seam 3,我发现 Seam Solder 允许将 @Named 注释应用于包 - 在这种情况下,该包中的所有 bean 都将自动命名,就好像它们符合条件一样@Named 他们自己。我没有看到
我知道 .append 偶尔会增加数组的容量并形成数组的新副本,但 .removeLast 会逆转这种情况并减少容量通过复制到一个新的更小的数组来改变数组? 最佳答案 否(或者至少如果是,则它是一个错
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
noexcept 函数说明符是否旨在 boost 性能,因为生成的对象中可能没有记录异常的代码,因此应尽可能将其添加到函数声明和定义中?我首先想到了可调用对象的包装器,其中 noexcept 可能会产
我正在使用 Angularjs 1.3.7,刚刚发现 Promise.all 在成功响应后不会更新 angularjs View ,而 $q.all 会。由于 Promises 包含在 native
我最近发现了这段JavaScript代码: Math.random() * 0x1000000 10.12345 10.12345 >> 0 10 > 10.12345 >>> 0 10 我使用
我正在编写一个玩具(物理)矢量库,并且遇到了 GHC 坚持认为函数应该具有 Integer 的问题。是他们的类型。我希望向量乘以向量以及标量(仅使用 * ),虽然这可以通过仅使用 Vector 来实现
PHP 的 mail() 函数发送邮件正常,但 Swiftmailer 的 Swift_MailTransport 不起作用! 这有效: mail('user@example.com', 'test
我尝试通过 php 脚本转储我的数据,但没有命令行。所以我用 this script 创建了我的 .sql 文件然后我尝试使用我的脚本: $link = mysql_connect($host, $u
使用 python 2.6.4 中的 sqlite3 标准库,以下查询在 sqlite3 命令行上运行良好: select segmentid, node_t, start, number,title
我最近发现了这段JavaScript代码: Math.random() * 0x1000000 10.12345 10.12345 >> 0 10 > 10.12345 >>> 0 10 我使用
我是一名优秀的程序员,十分优秀!