运行Spark作业时CPU使用率较低

2022-06-16 00:00:00 apache-spark cpu-usage java

我正在运行Spark作业。我有4个内核和设置为5G的工作内存。应用程序主机位于同一网络中的另一台计算机上,不承载任何工作进程。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Parrallize设置得相当高,否则我会出现超时问题)。我认为这是一个CPU瓶颈,但实际上JVM的CPU消耗非常低(大多数时候是0%,有时略高于5%...)。

根据监视器显示,JVM使用了大约3G的内存,只缓存了19M。

主主机有4个核心,内存更少(4G)。那台机器显示100%的CPU消耗(一个完整的核心),我不明白为什么它那么高……它只需将分区发送给另一台计算机上的Worker,对吗?

为什么工作进程的CPU消耗低,主进程的CPU消耗高?


解决方案

  1. 确保您已在群集中按Yarn或Mesos提交Spark作业,否则它可能只在您的主节点上运行。

  2. 因为您的代码非常简单,所以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,以测试CPU消耗情况。

  3. 请使用"local[*]"。*表示使用您的所有核心进行计算

    SparkConf SparkConf=new SparkConf().Set("Spark.driver.host","localhost").setAppName("unit-testing").setMaster("local[*]"); 参考文献:https://spark.apache.org/docs/latest/configuration.html

  4. 在Spark中,有很多东西可能会影响CPU和内存的使用,例如,执行器和您想要分配的每个.Executor.Memory。

相关文章