【互動問答分享】第12期決勝雲端運算大資料時代Spark亞太地區研究院公益大講堂

標籤：雲端運算   大資料   spark   spark技術   spark熱點   spark互動問答   

“決勝雲端運算大資料時代”

Spark亞太地區研究院100期公益大講堂 【第12期互動問答分享】

 

Q1：jobserver 企業使用方式如何？

• 中國有一家視頻網站已經使用超過JobServer超過半年的時間；

• 2013年和2014年Spark Summit均大力推薦使用JobServer；

   

Q2：請問，jobserver是適合企業內部還是供外部客戶使用（可能並發、安全有要求），還是兩者ok?

• 目前可見的企業使用案例均是用在企業內部；

• 如果是企業外部可以作為雲端服務或者大資料資源集區使用；

 

Q3：請問，spark 跑1T資料需要多少記憶體才能很快跑完

• 這首先和程式運行時候在每台Worker上使用的記憶體和CPU有關，提交程式的時候可以手動設定；

• 其次是和頻寬有關係，Shuffle的要盡量減少資料；

• Driver所在的機器的配置也是極為重要的，一般而言Driver所在的Client的記憶體和CPU根據實際情況要儘可能的更高的配置，同時，也是至關重要的Driver和Spark叢集要在同一個網路環境，應為Driver要不斷的task給Worker上的Executor，同時接受Driver的資料；

 

Q4：我目前是解決stackoverflow Error 是用checkPoint解決lineage過長的問題 但是這樣會影響效率 怎樣在效率和error之間均衡呢？

• :StackOverflow可以通過配置BlockManager記憶體管理原則來緩解；

• 對於checkpoint，要根據實際情況調整，例如對於Spark Streaming 預設是在記憶體有兩份資料副本，此時如果處理能力無法及時消費即時資料流資料，就會極為容易產生StackOverflow的情況，此時就要根據實際情況調整時間視窗和進行checkpoint；

本文出自 “Spark亞太地區研究院” 部落格，請務必保留此出處http://rockyspark.blog.51cto.com/2229525/1555110

【互動問答分享】第12期決勝雲端運算大資料時代Spark亞太地區研究院公益大講堂