Jedno zadanie platformy Spark
Jeśli widzisz długotrwały etap z tylko jednym zadaniem, prawdopodobnie jest to oznaka problemu. Chociaż to jedno zadanie jest uruchomione tylko jeden procesor CPU, a reszta klastra może być bezczynna. Dzieje się to najczęściej w następujących sytuacjach:
- Kosztowna funkcja UDF na małych danych
- Funkcja Window bez
PARTITION BY
instrukcji - Odczyt z niespeklitowalnego typu pliku. Oznacza to, że plik nie może być odczytywany w wielu częściach, więc kończy się jednym dużym zadaniem. Gzip to przykład niespeklitowalnego typu pliku.
multiLine
Ustawianie opcji podczas odczytywania pliku JSON lub CSV- Wnioskowanie schematu dużego pliku
- Korzystanie z ponownego dzielenia na partycje (1) lub łączenie(1)