SPARK：性能调优之RSS

本文主要是介绍SPARK：性能调优之RSS，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

参考文章：

• 京东Spark自研Remote Shuffle Service在大促中的应用实践
• SPARK RSS 杂谈
• RSS设计文档

一、原生的 shuffle 过程

1、在mapper将shuffle数据写到本地磁盘，每个mapper会按照下游reducer的个数生成block
2、reducer在fetch环节拉取对应的block

性能问题
每个map生成的shuffle数据在一个文件中，文件分成多个block，每个block是一个下游reducer需要处理的数据，因此在shuffle read的时候，reducer需要读取上游属于自己的block，随机读比较严重。

1. 数据随机读严重
2. shuffle read 负载不均衡
3. 数据无备份

体现在SPARK任务报错体现在，reducer的数据拉取报失败。

二、RSS 过程

1、shuffle read：在shuffle read阶段，mapper会将shuffle数据不直接罗盘针，而是按照reducer将block推到rss集群内存中。
2、RSS内存将各mapper产生的数据merge起来，存到hdfs中。
3、shuffle write：reducer在shuffle fetch的时候，reducer向Driver发起请求，拿到MapStatus消息，然后找到HDFS上聚合后的数据。

优点：

1. 读数据的时候为顺序读，减少磁盘随机读和网络开销。
2. rss可以做数据备份和数据去重。
3. shuffle read的集群负载均衡。

这篇关于SPARK：性能调优之RSS的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---