![](/img/trans.png)
[英]spark.sql.shuffle.partitions local spark performance behavior
[英]Unable to overwrite default value of "spark.sql.shuffle.partitions" with Spark Structured Streaming
我想直接在代碼中覆蓋spark.sql.shuffle.partitions
參數:
val sparkSession = SparkSession
.builder()
.appName("SPARK")
.getOrCreate()
sparkSession.conf.set("spark.sql.shuffle.partitions", 2)
但是此設置沒有生效,因為在日志中我收到以下警告消息:
WARN OffsetSeqMetadata:66 - Updating the value of conf 'spark.sql.shuffle.partitions' in current session from '2' to '200'.
雖然在spark-submit
shell 中傳遞的相同參數有效:
#!/bin/bash
/app/spark-2/bin/spark-submit \
--queue root.dev \
--master yarn \
--deploy-mode cluster \
--driver-memory 5G \
--executor-memory 4G \
--executor-cores 2 \
--num-executors 4 \
--conf spark.app.name=SPARK \
--conf spark.executor.memoryOverhead=2048 \
--conf spark.yarn.maxAppAttempts=1 \
--conf spark.sql.shuffle.partitions=2 \
--class com.dev.MainClass
有任何想法嗎?
在 Spark 結構化流作業的檢查點文件中,存儲了一些sparkSession
配置。
例如,在“offset”文件夾中,最新批次的內容可能如下所示:
v1
{"batchWatermarkMs":0,"batchTimestampMs":1619782960476,"conf":{"spark.sql.streaming.stateStore.providerClass":"org.apache.spark.sql.execution.streaming.state.HDFSBackedStateStoreProvider","spark.sql.streaming.join.stateFormatVersion":"2","spark.sql.streaming.stateStore.compression.codec":"lz4","spark.sql.streaming.flatMapGroupsWithState.stateFormatVersion":"2","spark.sql.streaming.multipleWatermarkPolicy":"min","spark.sql.streaming.aggregation.stateFormatVersion":"2","spark.sql.shuffle.partitions":"200"}}
4
其中,它存儲配置spark.sql.shuffle.partitions
的值,在我的示例中設置為默認值 200。
在您將看到的代碼中,如果該配置值在檢查點文件的元數據中可用,則會被替換。
如果您確實必須更改分區,請刪除所有檢查點文件或將最后一個檢查點文件中的值手動更改為 2。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.