我正在运行 Spark 作业。我有 4 个内核和工作内存设置为 5G。 Application master 在同一网络中的另一台机器上,并且不托管任何 worker。这是我的代码:
private void myClass() {
// configuration of the spark context
SparkConf conf = new SparkConf().setAppName("myWork").setMaster("spark://myHostIp:7077").set("spark.driver.allowMultipleContexts", "true");
// creation of the spark context in wich we will run the algorithm
JavaSparkContext sc = new JavaSparkContext(conf);
// algorithm
for(int i = 0; i<200; i++) {
System.out.println("===============================================================");
System.out.println("iteration : " + i);
System.out.println("===============================================================");
ArrayList<Boolean> list = new ArrayList<Boolean>();
for(int j = 0; j < 1900; j++){
list.add(true);
}
JavaRDD<Ant> ratings = sc.parallelize(list, 100)
.map(bool -> new myObj())
.map(obj -> this.setupObj(obj))
.map(obj -> this.moveObj(obj))
.cache();
int[] stuff = ratings
.map(obj -> obj.getStuff())
.reduce((obj1,obj2)->this.mergeStuff(obj1,obj2));
this.setStuff(tour);
ArrayList<TabObj> tabObj = ratings
.map(obj -> this.objToTabObjAsTab(obj))
.reduce((obj1,obj2)->this.mergeTabObj(obj1,obj2));
ratings.unpersist(false);
this.setTabObj(tabObj);
}
sc.close();
}
当我启动它时,我可以在 Spark UI 上看到进度,但它真的很慢(我必须将并行化设置得非常高,否则我会遇到超时问题)。我以为是CPU瓶颈,但是JVM的CPU消耗其实很低(大部分时候是0%,有时候5%多一点。。。)。
根据监视器,JVM 使用了大约 3G 的内存,只有 19M 缓存。
master主机有4核,内存较少(4G)。那台机器显示 100% 的 CPU 消耗(一个完整的内核),我不明白为什么这么高……它只需要将分区发送给另一台机器上的工作人员,对吧?
为什么 CPU 消耗在 worker 上低,而在 master 上高?
最佳答案
请确保您已通过集群中的 Yarn 或 mesos 提交您的 Spark 作业,否则它可能仅在您的主节点上运行。
由于您的代码非常简单,因此完成计算应该非常快,但我建议使用 wordcount 示例尝试读取几 GB 的输入源来测试 CPU 消耗情况。
请使用 "local[*]"。 * 表示使用所有核心进行计算
SparkConf sparkConf = new SparkConf().set("spark.driver.host", "localhost").setAppName("unit-testing").setMaster("local[*]"); 引用文献:https://spark.apache.org/docs/latest/configuration.html
在 spark 中有很多东西会影响 CPU 和内存的使用,比如执行器和你想要分配的每个 spark.executor.memory。
关于java - 运行 spark 作业时 cpu 使用率低,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44972633/