（1）部署

部署方式：spark standalone集群、yarn集群、meoss集群...
driver的HA：如果希望driver程序在失敗之后自動重啟，那么需要在程序中使用getOrcreate方法重構(gòu)streamingContext對象，以及在spark-submit中添加參數(shù)。
Checkpoint目錄的設(shè)置：如果程序使用到checkpoint目錄，就必須配置一個hdfs兼容的文件系統(tǒng)作為checkpoint目錄，因為程序是分布式的，不能將checkpoint單獨的設(shè)置在某一個節(jié)點
接收數(shù)據(jù)的方式： Receiver和direct
  Receiver方式：需要給executor分配足夠的資源，因為receiver接受的數(shù)據(jù)時存儲在executor的內(nèi)存中，尤其是在做window操作時，必須保證有足夠的內(nèi)存存儲相應(yīng)時間內(nèi)的所有數(shù)據(jù)。 spark.streaming.receiver.writeAheadLog.enable參數(shù)設(shè)置為true，用于開啟receive方式的WAL，保證數(shù)據(jù)不丟失。
  direct方式：對于kafka direct方式，引入了backpressure機制，從而不需要設(shè)置spark.streaming.kafka.maxRatePerPartition，spark可以自動的估計receive最合理的接收速度，并根據(jù)情況動態(tài)調(diào)整，只需要設(shè)置：spark.streaming.backpressure.enabled設(shè)置為true即可

創(chuàng)新互聯(lián)公司是網(wǎng)站建設(shè)技術(shù)企業(yè)，為成都企業(yè)提供專業(yè)的成都網(wǎng)站設(shè)計、做網(wǎng)站，網(wǎng)站設(shè)計，網(wǎng)站制作，網(wǎng)站改版等技術(shù)服務(wù)。擁有10多年豐富建站經(jīng)驗和眾多成功案例，為您定制適合企業(yè)的網(wǎng)站。10多年品質(zhì)，值得信賴！

（2）調(diào)優(yōu)

• 設(shè)置合理的CPU資源
  • 在streaming程序中，CPU資源的使用可以分成兩大類用于接收數(shù)據(jù)和用于處理數(shù)據(jù)，我們需要設(shè)置足夠的CPU資源，使得有足夠的CPU資源用于接收數(shù)據(jù)和處理數(shù)據(jù)，這樣才能及時高效地處理數(shù)據(jù)。
• 數(shù)據(jù)接收的性能優(yōu)化
  • 通過網(wǎng)絡(luò)接收數(shù)據(jù)時，會將數(shù)據(jù)反序列化，并存儲在spark的內(nèi)存中。
  • 數(shù)據(jù)的并行化接收，就是啟動多個receiver，設(shè)置多個DStream輸入源
  • 調(diào)節(jié)block interval參數(shù)，對于大多數(shù)的receiver來說，在將接收的數(shù)據(jù)保存的時候，都會做數(shù)據(jù)切分成一個一個的block，而block的個數(shù)決定了每一個batch的分區(qū)個數(shù)，而分區(qū)個數(shù)則決定了transformation啟動的task的個數(shù)：batch interval / block interval（spark.streaming.blockInterval，默認(rèn)為200ms，最小值為50ms）
• Spark數(shù)據(jù)處理并行度調(diào)優(yōu)
  • 如果在計算的任何stage中使用的并行task的數(shù)量沒有足夠多，那么集群的資源不能得到很好的利用，可以使用spark.default.parallelism，調(diào)整默認(rèn)的并行的task個數(shù)，也可以在調(diào)用有shuffle的算子的時候手動指定numPar個數(shù)，調(diào)整task的并行度。
• Spark的任務(wù)調(diào)優(yōu)
  如果每秒鐘啟動的task過于多，那么發(fā)送這些task去worker節(jié)點上的executor的性能開銷就會比較大，此時延遲就會變得高了。
  • Task的序列化：使用Kryo序列化機制來序列化task，減少task的大小，從而減少發(fā)送到executor的時間
  • 執(zhí)行模式，使用spark的自帶的standalone運行spark程序，可以達(dá)到更少的task啟動時間
• 序列化的調(diào)優(yōu)
  • 輸入數(shù)據(jù)，在receiver接收的數(shù)據(jù)時存儲在executor內(nèi)存中的，需要保證數(shù)據(jù)的0丟失從而序列化
  • 流式計算操作生成的持久化的RDD：流式計算操作生成的持久化的RDD，以及需要被窗口操作的數(shù)據(jù)都需要持久化
• batch interval調(diào)優(yōu)
  • 對于流式計算而言，為了使其可以穩(wěn)定運行以及高效運行，最重要的就是對于batch生成之后，就盡可能快的處理掉。 在構(gòu)建StreamingContext的時候，需要我們傳進(jìn)一個參數(shù)，用于設(shè)置Spark Streaming批處理的時間間隔。Spark會每隔batchDuration時間去提交一次Job，如果你的Job處理的時間超過了batchDuration的設(shè)置，那么會導(dǎo)致后面的作業(yè)無法按時提交，隨著時間的推移，越來越多的作業(yè)被拖延，最后導(dǎo)致整個Streaming作業(yè)被阻塞，這就間接地導(dǎo)致無法實時處理數(shù)據(jù)，最終導(dǎo)致程序崩潰。所以針對自己的業(yè)務(wù)，設(shè)置批處理時間尤為重要。
• Spark內(nèi)存調(diào)優(yōu)
  • DStream的持久化，將大量的數(shù)據(jù)持久化為byte數(shù)據(jù)，減少了數(shù)據(jù)序列化話后的對象，降低了GC的頻率。當(dāng)然為了進(jìn)一步的降低內(nèi)存的使用率，可以使用壓縮：spark.rdd.compress這是為true即可
  • 清理舊數(shù)據(jù)，將保存在內(nèi)存中已經(jīng)被使用過的數(shù)據(jù)進(jìn)行刪除，釋放內(nèi)存。以window操作為例，如果窗口的時間為10分鐘，spark中會保持這10分鐘的數(shù)據(jù)，之后在處理完成之后，就會將數(shù)據(jù)進(jìn)行清除

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

文章標(biāo)題：sparkStreaming程序的的部署、調(diào)優(yōu)-創(chuàng)新互聯(lián)
文章分享：http://chinadenli.net/article40/djjoeo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、服務(wù)器托管、品牌網(wǎng)站設(shè)計、手機網(wǎng)站建設(shè)、ChatGPT、面包屑導(dǎo)航

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)