栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

为什么我的BroadcastHashJoin比Spark中的ShuffledHashJoin慢

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

为什么我的BroadcastHashJoin比Spark中的ShuffledHashJoin慢

问题的根源很可能是广播成本。为了简单起见,假设您在较大的RDD中有1800MB,在较小的RDD中有300MB。假设有5个执行者并且没有以前的分区,则所有数据的五分之一应该已经在正确的机器上。在标准连接的情况下,它剩下约1700MB的空间用于改组。

为了进行广播连接,必须将较小的RDD传输到所有节点。这意味着大约有1500MB的数据要传输。如果添加了与驱动程序的必需通信,则意味着必须以昂贵得多的方式移动相当数量的数据。必须首先收集广播的数据,然后才能将其转发给所有工作人员。



转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/641075.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号