Partilhar via


Diagnóstico de uma longa etapa no Spark

Comece por identificar a fase mais longa do trabalho. Desloque-se para a parte inferior da página do trabalho até à lista de etapas e ordene-as por duração:

Estágio Longo

Detalhes de E/S do estágio

Para ver dados de alto nível sobre o que esse estágio estava fazendo, observe as colunas Entrada, Saída, Leitura aleatória e Gravação aleatória:

E/S de estágio longo

As colunas significam o seguinte:

  • Entrada: Quantos dados esta etapa leu do armazenamento. Isso pode ser lido de Delta, Parquet, CSV, etc.
  • Saída: Quantos dados este estágio gravou no armazenamento. Isso pode ser escrever para Delta, Parquet, CSV, etc.
  • Shuffle Read: Quantos dados aleatórios esta etapa leu.
  • Shuffle Write: Quantos dados aleatórios esta etapa escreveu.

Se você não está familiarizado com o que é shuffle, agora é um bom momento para aprender o que isso significa.

Anote esses números, pois provavelmente precisará deles mais tarde.

Número de tarefas

O número de tarefas no estágio longo pode apontar na direção do seu problema. Você pode determinar o número de tarefas consultando aqui:

Determinar o número de tarefas

Se você vir uma tarefa, isso pode ser um sinal de um problema. Para obter mais informações, consulte Tarefa One Spark.

Ver mais detalhes do palco

Se o estágio tiver mais de uma tarefa, você deve investigar mais. Clique no link na descrição do estágio para obter mais informações sobre o estágio mais longo:

Abrir informações do palco

Agora que você está na página do palco, veja Inclinação e derramamento.