SPARK大數(shù)據(jù)計(jì)算BUG處理：

大數(shù)據(jù)計(jì)算BUG處理：

程序修改前資源情況：

Driver : 1臺(tái)

Worker : 2臺(tái)

程序提交申請(qǐng)內(nèi)存資源 ： 1G內(nèi)存

內(nèi)存分配情況 ： 

1. 20%用于程序運(yùn)行

2. 20%用于Shuffle

3. 60%用于RDD緩存

單條TweetBean大小 ： 3k

1. 內(nèi)存溢出

原因：因?yàn)槌绦驎?huì)把所有的TweetBean查詢出來(lái)并且合并(union)，該操作在內(nèi)存中進(jìn)行。則某個(gè)campaign數(shù)據(jù)量較大時(shí)，如500W數(shù)據(jù)，則500W*10k=50G，超出內(nèi)存限制。

解決方法： 先按數(shù)據(jù)量切分task，避免單個(gè)task有很多數(shù)據(jù)造成內(nèi)存溢出。把所有的task切分完成放到task列表中。循環(huán)task列表，當(dāng)取出的task的數(shù)據(jù)量大于200000時(shí)，合并所有的數(shù)據(jù)并拆分成16個(gè)RDD分片。循環(huán)取task列表直至結(jié)束。

批量取200000數(shù)據(jù)的原因：200000*3k=600M，兩臺(tái)機(jī)器可用于程序運(yùn)行的內(nèi)存=2（機(jī)器數(shù)）* 2G（程序申請(qǐng)的內(nèi)存大?。?* 0.2（用于程序運(yùn)行的內(nèi)存比例） = 800M，可以滿足存儲(chǔ)200000數(shù)據(jù)，避免內(nèi)存溢出。

2. 運(yùn)行緩慢

原因：因?yàn)閮膳_(tái)機(jī)器，每臺(tái)機(jī)器可用于shuffle的內(nèi)存大小 = 2（機(jī)器數(shù)）* 1G（程序申請(qǐng)的內(nèi)存大?。? 0.2（用于程序運(yùn)行的內(nèi)存比例）= 400M。

200000（批量處理的數(shù)據(jù)量）* 3k（單條TweetBean大?。? 600M，批量Shuffle的數(shù)據(jù)量大于機(jī)器可用內(nèi)存，所以數(shù)據(jù)會(huì)Flush到硬盤，導(dǎo)致讀取數(shù)據(jù)緩慢。

解決方法：調(diào)整程序Shuffle可用內(nèi)存,如下：

程序申請(qǐng)內(nèi)存資源：2G

內(nèi)存分配情況 ： 

1. 20%用于程序運(yùn)行

2. 60%用于Shuffle

3. 20%用于RDD緩存