spark是如何使用堆棧的

本篇內(nèi)容介紹了“spark是如何使用堆棧的”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！

spark進(jìn)程是以JVM進(jìn)程運(yùn)行的，可以通過-Xmx和-Xms配置堆棧大小，它是如何使用堆棧呢？下面是spark內(nèi)存分配圖。

storage memory

spark默認(rèn)JVM堆為512MB，為了避免OOM錯(cuò)誤，只使用90%。通過spark.storage.safetyFraction來設(shè)置。spark通過內(nèi)存來存儲(chǔ)需要處理的數(shù)據(jù)，使用安全空間的60%，通過 spark.storage.memoryFraction來控制。如果我們想知道spark可以緩存多少數(shù)據(jù)？假設(shè)使用executors數(shù)為N，那么緩存數(shù)據(jù)為N*90%*60%*512MB。 ##shuffle memory shuffle memory的內(nèi)存為“Heap Size” * spark.shuffle.safetyFraction * spark.shuffle.memoryFraction。默認(rèn)spark.shuffle.safetyFraction 是 0.8 , spark.shuffle.memoryFraction是0.2 ，因此shuffle memory為 0.8*0.2*512MB = 0.16*512MB ##unroll memory unroll memory的內(nèi)存為spark.storage.unrollFraction * spark.storage.memoryFraction * spark.storage.safetyFraction，即0.2 * 0.6 * 0.9 * 512MB = 0.108 * 512MB。unroll memory用作數(shù)據(jù)序列化和反序列化。

“spark是如何使用堆棧的”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！