wordpress子目录站点,WordPress自定义json接口,伊克昭盟seo,阿里云做的网站这么卡的背景
本文基于Spark 3.1.1 目前在做一些知识回顾的时候#xff0c;发现了一些很有意思的事情#xff0c;就是Spark UI中ShuffleExchangeExec 的dataSize和shuffle bytes written指标是不一样的#xff0c; 那么在AQE阶段的时候#xff0c;是以哪个指标来作为每个Task分区大…背景
本文基于Spark 3.1.1 目前在做一些知识回顾的时候发现了一些很有意思的事情就是Spark UI中ShuffleExchangeExec 的dataSize和shuffle bytes written指标是不一样的 那么在AQE阶段的时候是以哪个指标来作为每个Task分区大小的参考呢
结论
先说结论 dataSzie指标是 是存在内存中的UnsafeRow 的大小的总和AQE阶段(规则OptimizeSkewedJoin/CoalesceShufflePartitions)用到判断分区是否倾斜或者合并分区的依据是来自于这个值, 而shuffle bytes written指的是写入文件的字节数会区分压缩和非压缩如果在开启了压缩也就是spark.shuffle.compress true和未开启压缩的情况下该值的大小是不一样的。 开启压缩如下 未开启压缩如下
先说杂谈
这两个指标的值都在 ShuffleExchangeExec中
case class ShuffleExchangeExec(override val outputPartitioning: Partitioning,child: SparkPlan,shuffleOrigin: ShuffleOrigin ENSURE_REQUIREMENTS)extends ShuffleExchangeLike {private lazy val writeMetrics SQLShuffleWriteMetricsReporter.createShuffleWriteMetrics(sparkContext)private[sql] lazy val readMetrics SQLShuffleReadMetricsReporter.createShuffleReadMetrics(sparkContext)override lazy val metrics Map(dataSize - SQLMetrics.createSizeMetric(sparkContext, data size)) readMetrics writeMetricsdataSize指标来自于哪里
涉及到datasize的数据流是怎么样的如下一切还是得从ShuffleMapTask这个shuffle的起始操作讲起
ShuffleMapTask||\/
runTask||\/
dep.shuffleWriterProcessor.write //这里的shuffleWriterProcessor是来自于 ShuffleExchangeExec中的createShuffleWriteProcessor||\/
writer.write() //这里是writer 是 UnsafeShuffleWriter类型的实例||\/
insertRecordIntoSorter||\/
UnsafeRowSerializerInstance.writeValue||\/
dataSize.add(row.getSizeInBytes)
这里的 row 是UnsafeRow的实例这样就获取到了实际内存中的每个分区的大小, 而ShuffleMapTask runTask 方法最终返回的是MapStatus,而该MapStatus最终是在UnsafeShuffleWriter的closeAndWriteOutput方法中被赋值的
void closeAndWriteOutput() throws IOException {assert(sorter ! null);updatePeakMemoryUsed();serBuffer null;serOutputStream null;final SpillInfo[] spills sorter.closeAndGetSpills();sorter null;final long[] partitionLengths;try {partitionLengths mergeSpills(spills);} finally {for (SpillInfo spill : spills) {if (spill.file.exists() !spill.file.delete()) {logger.error(Error while deleting spill file {}, spill.file.getPath());}}}mapStatus MapStatus$.MODULE$.apply(blockManager.shuffleServerId(), partitionLengths, mapId);}shuffle bytes written指标来自哪里
基本流程和dataSize 一样还是来自于ShuffleMapTask
ShuffleMapTask||\/
runTask||\/
dep.shuffleWriterProcessor.write //这里的shuffleWriterProcessor是来自于 ShuffleExchangeExec中的createShuffleWriteProcessor||\/
writer.write() //这里是writer 是 UnsafeShuffleWriter类型的实例||\/
closeAndWriteOutput||\/
sorter.closeAndGetSpills() - writeSortedFile - writer.commitAndGet - writeMetrics.incBytesWritten(committedPosition - reportedPosition) - serializerManager.wrapStream(blockId, mcs) // 这里进行了压缩||\/
mergeSpills||\/
mergeSpillsUsingStandardWriter||\/
mergeSpillsWithFileStream - writeMetrics.incBytesWritten(numBytesWritten)||\/
writeMetrics.decBytesWritten(spills[spills.length - 1].file.length())
