首页 > 代码库 > 【互动问答分享】第12期决胜云计算大数据时代Spark亚太研究院公益大讲堂
【互动问答分享】第12期决胜云计算大数据时代Spark亚太研究院公益大讲堂
“决胜云计算大数据时代”
Spark亚太研究院100期公益大讲堂 【第12期互动问答分享】
Q1:jobserver 企业使用情况如何?
中国有一家视频网站已经使用超过JobServer超过半年的时间;
2013年和2014年Spark Summit均大力推荐使用JobServer;
Q2:请问,jobserver是适合企业内部还是供外部客户使用(可能并发、安全有要求),还是两者ok?
目前可见的企业使用案例均是用在企业内部;
如果是企业外部可以作为云服务或者大数据资源池使用;
Q3:请问,spark 跑1T数据需要多少内存才能很快跑完
这首先和程序运行时候在每台Worker上使用的内存和CPU有关,提交程序的时候可以手动配置;
其次是和带宽有关系,Shuffle的要尽量减少数据;
Driver所在的机器的配置也是极为重要的,一般而言Driver所在的Client的内存和CPU根据实际情况要尽可能的更高的配置,同时,也是至关重要的Driver和Spark集群要在同一个网络环境,应为Driver要不断的task给Worker上的Executor,同时接受Driver的数据;
Q4:我目前是解决stackoverflow Error 是用checkPoint解决lineage过长的问题 但是这样会影响效率 怎样在效率和error之间均衡呢?
:StackOverflow可以通过配置BlockManager内存管理策略来缓解;
对于checkpoint,要根据实际情况调整,例如对于Spark Streaming 默认是在内存有两份数据副本,此时如果处理能力无法及时消费实时流数据,就会极为容易产生StackOverflow的情况,此时就要根据实际情况调整时间窗口和进行checkpoint;
【互动问答分享】第12期决胜云计算大数据时代Spark亚太研究院公益大讲堂