操作場景

? ? ? ? Spark是內(nèi)存計算框架，計算過程中內(nèi)存不夠?qū)park的執(zhí)行效率影響很大。可以通過監(jiān)控GC（Garbage Collection），評估內(nèi)存中RDD的大小來判斷內(nèi)存是否變成性能瓶頸，并根據(jù)情況優(yōu)化。

? ? ? ? 監(jiān)控節(jié)點進程的GC情況（在客戶端的conf/spark-default.conf配置文件中，在spark.driver.extraJavaOptions和spark.executor.extraJavaOptions配置項中添加參數(shù)：

"-verbose:gc?-XX:+PrintGCDetails -XX:+PrintGCTimeStamps"），如果頻繁出現(xiàn)Full ?GC，需要優(yōu)化GC。把RDD做Cache操作，通過日志查看RDD在內(nèi)存中的大小，如果數(shù)據(jù)太大，需要改變RDD的存儲級別來優(yōu)化。

操作步驟

● 優(yōu)化GC，調(diào)整老年代和新生代的大小和比例。在客戶端的conf/spark-default.conf配置文件中，在spark.driver.extraJavaOptions和spark.executor.extraJavaOptions配置項中添加參數(shù)：-XX:NewRatio。如，"

-XX:NewRatio=2"，則新生代占整個堆空間的1/3，老年代占2/3。

● 開發(fā)Spark應(yīng)用程序時，優(yōu)化RDD的數(shù)據(jù)結(jié)構(gòu)。

? ? ■ 使用原始類型數(shù)組替代集合類，如可使用fastutil庫。

? ? ■ 避免嵌套結(jié)構(gòu)。

? ? ■ Key盡量不要使用String。

● 開發(fā)Spark應(yīng)用程序時，建議序列化RDD。

? ? RDD做cache時默認是不序列化數(shù)據(jù)的，可以通過設(shè)置存儲級別來序列化RDD減小內(nèi)存。例如：

testRDD.persist(StorageLevel.MEMORY_ONLY_SER)