您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“Spark緩存的使用示例分析”的有關(guān)知識(shí),在實(shí)際案例的操作過程中,不少人都會(huì)遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!
注:因?yàn)槭褂玫氖莾?nèi)部數(shù)據(jù)文件, 在這邊就不公布出來了. 大家看看測(cè)試代碼跟測(cè)試結(jié)果即可。
這次測(cè)試是在JupyterNotebook這種交互式的環(huán)境下測(cè)試的. 如果是直接的submit一個(gè)job, 可能結(jié)果不太一樣。
測(cè)試步驟
初始化Spark
from pyspark.sql import SparkSession spark = SparkSession\ .builder\ .appName("Cache Demo")\ .master("spark://10.206.132.113:7077") \ .config('spark.driver.memory', '5g') \ .config('spark.executor.memory', '5g') \ .config("spark.cores.max", 20) \ .getOrCreate()
分別讀兩個(gè)文件做測(cè)試, 并且其中一個(gè)使用Cache
ds1 = spark.read.json(os.path.join(data_path, "data.2018-01-04")) ds2 = spark.read.json(os.path.join(data_path, "data.2018-01-05")) ds1.cache() # 對(duì)于***個(gè)dataframe進(jìn)行cache.
注: 這兩個(gè)數(shù)據(jù)文件分別是1月4日跟1月5日產(chǎn)生的. 大小非常接近, 都是3.1G.
為了防止Spark自己做了什么Cache影響實(shí)驗(yàn), 在這里讀取兩個(gè)不同的數(shù)據(jù)文件.
計(jì)算時(shí)間:
import time def calc_timing(ds, app_name) : t1 = time.time() related = ds.filter("app_name = '%s'" % app_name) _1stRow = related.first() t2 = time.time() print "cost time:", t2 - t1
測(cè)試結(jié)果:
calc_timing(ds1, "DrUnzip") # cost time: 13.3130679131 calc_timing(ds2, "DrUnzip") # cost time: 18.0472488403 calc_timing(ds1, "DrUnzip") # cost time: 0.868658065796 calc_timing(ds2, "DrUnzip") # cost time: 15.8150720596
可以看到:
對(duì)于DS1, 雖然調(diào)用了Cache ,但是因?yàn)闆]有真正的使用到, 所以***次進(jìn)行filter操作還是很慢的
第二次使用DS1的時(shí)候, 因?yàn)橛辛司彺? 速度快了很多
相對(duì)的, DS2兩次執(zhí)行時(shí)間差別不大
如果進(jìn)到Spark UI 查看具體每個(gè)Job的執(zhí)行時(shí)間, 會(huì)發(fā)現(xiàn), 只讀取數(shù)據(jù)文件消耗的時(shí)間也就在15~20s.
因此可以猜想, Spark的DataFrame讀取數(shù)據(jù)之后, 即使進(jìn)行兩個(gè)相同的操作, 消耗的時(shí)間也不能減少, 因?yàn)镾park 默認(rèn)不會(huì)把DS放到內(nèi)存之中.
“Spark緩存的使用示例分析”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實(shí)用文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。