发简信
IP属地：广东
一、hdfs上传和下载文件流程 hdfs上传 客户端向namenode发出请求建立通信获得存储文件块的datanode节点,然后客户端将文件按照...
一、hadoop概念 Hadoop由两部分组成，一是负责存储与管理文件的分布式文件系统HDFS、二是负责处理与计算的MapReduce的计算框架...
DAGScheduler的stage划分算法总结:会从触发action操作的那个rdd开始反向解析,首先会为最后一个rdd创建一个stage,反...
1.没有开启consolidation机制的性能低下的原理剖析 2.开启consolidation机制的性能低下的原理剖析 new SparkC...
一、数据本地化背景 数据本地化对于Spark job性能有着巨大的影响。如果数据以及要计算它的代码一起的,那么性能当然非常高，但是，如果数据和计...
实际上Spark集群的资源并不一定会被充分利用到，所以要尽量设置合理的并行度，来充分地利用集群的资源。才能充分提高Spark应用程序的性能。 S...
一、Java虚拟机垃圾回收调优的背景 如果在持久化RDD的时候,持久化了大量数据，那么Java虚拟机的垃圾回收就可能成为一个性能瓶颈。因此Jav...
1.使用序列化的持久化级别 除了对多次使用的RDD进行持久化操作之外，还可以进一步优化其性能。因为很有可能，RDD的数据是持久化到内存，或者磁盘...
一、前言 其实主要就是优化算子函数,内部使用到局部数据,或是算子函数外部数据，都可以进行数据结构优化,优化之后,都会减少其对内存的消耗和占用。 ...