Dependency
Spark将RDD之间的依赖分为窄依赖和宽依赖，源码中对应的定义分别为NarrowDependency和ShuffleDependency。
其中NarrowDependency又有两种OneToOneDependency和RangeDependency两种实现。
NarrowDependency
OneToOneDependency……继续阅读 »
wangting
1个月前 (11-18) 5浏览
0个赞
昨天晚上我媳妇又“加班”到十一点多，如果我没记错的话这已经是第三次“加班”到夜里，上一次更是到零点之后。
“加班”内容是：吃饭，喝酒。
我认为这不是加班，不是工作。而她和我意见相左。
并且在我希望她在21:30左右的时候提出先行离开这件事上产生了一些意见上的分歧。
以上是引起我们这次沟通的小事件，也让我发现她现在对于融入新团队这件事情上竟然有了一些迷……继续阅读 »
wangting
2个月前 (11-14) 62浏览
11个赞
SortShuffleManager
Reader使用BlockStoreShuffleReader，Writer根据传入的ShuffleHandler选择使用UnsafeShuffleWriter，BypassMergeSortShuffleWriter，还是SortShuffleWriter
override def getReader……继续阅读 »
wangting
2个月前 (11-13) 23浏览
1个赞
复现问题
Spark 1.4中使用spark-shell执行如下操作
scala> sqlContext.read.load("/app/dc/yarn/QA/p.txt")
报如下错误：
Job aborted due to stage failure: Task 7 in stage 0.0 ……继续阅读 »
wangting
2个月前 (11-13) 28浏览
0个赞
相关参数介绍：
参数
默认值
说明
spark.sql.output.codec
none
使用的序列化方式，如snappy，lzo等，默认为不压缩。
spark.sql.output.coalesceNum
200
写入到指定目录的数据合并后文件的个数，仅当spark.sql.output.merge设为true时生效。
……继续阅读 »
wangting
2个月前 (11-06) 17浏览
0个赞
通过GeneratedBlockHandler实现对数据的存储和确认逻辑。
/** Class to handle blocks generated by the block generator. */
private final class GeneratedBlockHandler extends BlockGeneratorList……继续阅读 »
wangting
2个月前 (11-01) 19浏览
0个赞
Feature：Spark支持GBK文件读取功能
需求分析
Spark默认的Text输入格式处理同Hadoop相同，均默认以UTF-8编码处理。
如果源本件本身是其他格式编码的，如GBK，在Spark处理后读出就会是乱码。
例如一张有关餐馆信息的数据可能是：
4504812|聚品面馆
5623102|金米粒抓饭
5623112|湘下茶饭
……继续阅读 »
wangting
2个月前 (11-01) 20浏览
0个赞
阅读Hive Orc官方文档
Introduction
Orc格式支持自Hive 0.11引入。
The Optimized Row Columnar (ORC) 文件格式提供了更高效地存储Hive数据存储。其设计初衷是克服其他Hive文件格式的局限。
使用Orc文件提升了Hive的读写和处理性能。
相比RCFile，ORC文件格式由如下优点：
每个T……继续阅读 »
wangting
2个月前 (10-29) 21浏览
0个赞
调度
调度相关配置说明详见下表：
配置项
默认值
说明
spark.scheduler.mode
FIFO
提交到同一个SparkContext的job的调度策略，有FIFO和FAIR两种。
Spark SQL
SQL组件相关配置说明详见下表：
配置项
默认值
……继续阅读 »
wangting
2个月前 (10-29) 17浏览
1个赞
Dataset是1.6版本引入的新的实验接口, 整合了RDD的优势(强类型, 支持lambda方法)和Spark SQL执行引擎的各种优化. Dataset可以由JVM对象来构造并且使用transformation来变换(map, flatMap, filter等等). Dataset本身是DataFrame API的一种扩展, 它提供了类型安全, 面向对象……继续阅读 »
wangting
2个月前 (10-17) 20浏览
0个赞
Sql由SQLContext处理，HQL由HiveContext处理。二者使用不同的parser进行解析。
Sql parser的实现在Spark SQL catalyst源码中，基于scala ddl paser的库文件实现了一套词法语法分析器。
HQL是SQL在Hive中的”方言”，它的解析借助开源语法分析器antrl实现。
在H……继续阅读 »
wangting
3个月前 (10-14) 25浏览
1个赞
如果是读取hdfs的文件，一般来说，partition的数量等于文件的数量。
如果单个文件的大小大于hdfs的分块大小，partition的数量就等于 “文件大小/分块大小”。
同时，也可以使用rdd的repartition方法重新划分partition。
另外，在使用聚合函数比如 reducebykey, groupbykey，可以通过指定partitio……继续阅读 »
wangting
3个月前 (10-14) 21浏览
1个赞
对query按PV排序的时候, 特别慢, 原因是query往往很长尾, 排序的时候分桶不均匀,
排序时候在PV后面加一个随机数可以解决.
queryList.sortBy(x => (x.pv, Random.nextInt), ascending = false)
……继续阅读 »
wangting
3个月前 (10-14) 17浏览
0个赞
Spark 1.4 on Yarn的计算资源参数配置同Spark 1.2区别
问题：
Spark 1.4 on Yarn的计算资源参数配置同Spark 1.2有何区别。
解答：
Spark 1.2中：
通过spark.cores.max控制总核数，运行时会尽可能满足。
通过spark.executor.memory控制单个executor占用总内存。
但在……继续阅读 »
wangting
3个月前 (10-12) 19浏览
1个赞
Spark 1.4执行SQL查询过程中发现driver端Spark作业进程占用内存过大
PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
5109 liuxinmi 20 0 9152m 8.5g 18m S 99.9 13.5 7:04.13 java
15632 liuxinmi 20 0……继续阅读 »
wangting
3个月前 (10-12) 18浏览
1个赞
报错信息如下：
org.apache.spark.SparkException: Job aborted due to stage failure:
Serialized task 6:0 was 12518780 bytes which exceeds spark.akka.frameSize (10485760 bytes).
Consider usin……继续阅读 »
wangting
3个月前 (10-12) 16浏览
1个赞
spark和mapreduce如果运行时报如下错误：
java.io.IOException: No space left on device
原因如下：
1) 如果是driver端机器抛出该异常，一般是/root/tmp 空间不够了。
可以通过配置spark.local.dir参数指定自定义的tmp目录。
2) 如果是集群executor端机器抛出该异常，……继续阅读 »
wangting
3个月前 (10-12) 30浏览
1个赞
执行类似 xxx.write.format(“parquet”).save(‘xxxx’) 的操作。
虽然UI上显示completed
但是后台会hold主进程 一段时间，有时候几分钟，有时候十几分钟
最后hang住的原因是hadoop2.x commit job是在driver端单线程做的，当结……继续阅读 »
wangting
3个月前 (10-12) 16浏览
1个赞
spark在运行过程中出现task fail 报如下错误：
org.apache.spark.shuffle.FetchFailedException: java.io.FileNotFoundException: /home/disk2/spark/spark-a26b1ea4-d622-4af0-88c9-d73ebba7f79e/spark-local……继续阅读 »
wangting
3个月前 (10-12) 15浏览
1个赞
执行类似如下形式的Sql：
select user_id from qt_revert_for_dmp where ((attr[‘535951390’] is not null and get_json_object(attr[‘535951390′],’$.yymmdd’)>2……继续阅读 »
wangting
3个月前 (10-12) 14浏览
2个赞
