Xiaohu_BigData

2020年2月28日

摘要：调节Executor堆外内存概述: Spark底层shuffle的传输方式是使用netty传输，netty在进行网络传输的过程会申请堆外内存(netty是零拷贝)，所以使用了堆外内存。什么时候需要调节Executor的堆外内存大小? shuffle file cannot find (DAGS 阅读全文

posted @ 2020-02-28 13:58 Xiaohu_BigData 阅读(246) 评论(0) 推荐(0)

Spark调优（二）数据本地化

摘要： Application任务执行流程: 在Spark Application提交后，Driver会根据action算子划分成一个个的job，然后对每一个job划分成一个个的stage，stage内部实际上是由一系列并行计算的task组成的，然后以TaskSet的形式提交给你TaskSchedule 阅读全文

posted @ 2020-02-28 13:18 Xiaohu_BigData 阅读(273) 评论(0) 推荐(0)

Spark调优（一）

摘要：一、对多次使用的RDD进行持久化如何选择一种最合适的持久化策略？默认情况下，性能最高的当然是MEMORY_ONLY，但前提是你的内存必须足够足够大，可以绰绰有余地存放下整个RDD的所有数据。因为不进行序列化与反序列化操作，就避免了这部分的性能开销;对这个RDD的后续算子操作，都是基于纯内存中阅读全文

posted @ 2020-02-28 13:10 Xiaohu_BigData 阅读(171) 评论(0) 推荐(0)

2020年2月23日

spark-shell启动报错

摘要： Spark On Hive 配置步骤在Spark客户端安装包下的conf目录中创建文件hive-site.xml，配置hive的metastore路径 <configuration> <property> <name>hive.metastore.uris</name> <value>thrift: 阅读全文

posted @ 2020-02-23 20:15 Xiaohu_BigData 阅读(429) 评论(0) 推荐(0)

标题Spark Mavem项目在本地测试报错 : Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/spark/SparkConf

摘要： Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/spark/SparkConf at StreamingT$.main(StreamingT.scala:8) at StreamingT.main(Strea 阅读全文

posted @ 2020-02-23 20:10 Xiaohu_BigData 阅读(3647) 评论(0) 推荐(0)

启动hive，报错 Name node is in safe mode.

摘要：在学习过程中，过了几天再启动虚拟机，启动hadoop后再启动别的框架会报错： Exception in thread "main" java.lang.RuntimeException: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop. 阅读全文

posted @ 2020-02-23 12:16 Xiaohu_BigData 阅读(646) 评论(0) 推荐(0)

2020年2月20日

Spark 保存本地josn格式文件运行报错 IDEA运行异常java.lang.NoClassDefFoundError: org/apache/spark/api/java/function/Function

摘要：报错信息： java.lang.NoClassDefFoundError: org/apache/spark/api/java/function/Function at java.lang.Class.getDeclaredMethods0(Native Method) at java.lang.C 阅读全文

posted @ 2020-02-20 22:06 Xiaohu_BigData 阅读(522) 评论(0) 推荐(0)

2020年2月19日

Spark SQL （一）

摘要： Spark SQL Spark与Hive的比较，Hive用一句话总结是，传入一条交互式sql在海量数据中查找结果，Spark可以将其结果转化成RDD来来进一步操作。 1.0以前： Shark 1.1.x开始： SparkSQL(只是测试性的) SQL 1.3.x: SparkSQL(正式版本)+Da 阅读全文

posted @ 2020-02-19 20:34 Xiaohu_BigData 阅读(430) 评论(0) 推荐(0)

2020年2月15日

Spark core 总结

摘要： Spark RDD五大特性 1、RDD由一组partition组成 2、每一个分区由一个task来处理 3、RDD之间有一些列依赖关系 4、分区类算子必须作用在kv格式得RDD上 5、spark为task执行提供了最佳计算位置，尽量将task发送到数据所在节点执行 spark 快的原因 1、spar 阅读全文

posted @ 2020-02-15 14:15 Xiaohu_BigData 阅读(919) 评论(0) 推荐(0)

2020年2月12日

SparkRDD算子（transformations算子和actions算子）

摘要： RDD提供了两种类型的操作：transformation和action1、所有的transformation都是采用的懒策略，如果只是将transformation提交是不会执行计算的，计算只有在action被提交的时候才被触发。2、action操作：action是得到一个值，或者一个结果（直接将R 阅读全文

posted @ 2020-02-12 19:38 Xiaohu_BigData 阅读(414) 评论(0) 推荐(0)

公告