如何确定在单个节点上运行的 Spark 的最佳设置？

Question

我有 55 GB 数据需要处理。我在一台具有 32 个内核和 180GB RAM（无集群）的机器上运行 Spark-shell。由于它是一个单节点，Driver 和 Workers 驻留在同一个 JVM 进程中，默认情况下使用 514 MB。

我将 spark.driver.memory 设置为 170G

spark-shell  --driver-memory 170g

我正在执行映射操作，然后是 group_by，然后是 agg 并写入镶木地板文件。它仍然停留在

无论如何，是否可以通过更改 spark.executor.memory 或更改使用的内核数而不是使用 Master[*] 来优化性能？如何确定给定任务和数据大小的最佳设置？我应该精确调整 --conf 文件中的哪些值？

简而言之，如何强制 Spark 以最佳方式使用所有可用资源？

Answer 1

如果您在单台计算机上运行，​​则更改spark.executor.memory不会生效。您需要有一个实际的集群。您可以向集群添加更多节点以减少分区数量并加快处理速度。