[spark]spark资源分配

一、常用方法

1、查看集群有多少资源

hadoop2:9870

2、查看每个节点的线程数和内存大小

1）查看单个节点的总线程数

2）查看每个节点的内存大小

应该是32G

3）查看队列的内存占比（常用的是hive队列）

3、设置executor个数 每个executor的CPU个数 每个CPU的内存大小

注：这个集群4个节点，每个节点8个线程，每个节点内存为32G

1、确定executor的cpu核数

每个executor的cpu设置为4(一般为3-6)比较合适

2、确定每个节点executor数量

executor nums=该节点可用的总线程数/每个executor的cpu数=6/4=1

3、 确定没个executor内存数量

如果使用hive队列的话，占总集群的内存最大占比为60%-80%即19G-25G即最大使用25G内存，

每个executor内存数=该节点可用的总内存数/该节点executor数=16G/1=19G(这里因为executor num实在太小，所以随便选了16)

这里可以看出来，内存数/线程数=16/4=4

内存数与线程数不是严格按照1:2，或者1:4，这个需要看一下每个节点的可用资源，具体情况具体计算。

但是一般cpu:内存=1:2-1:4，阿里云封装的时候1CU = 1cpu+4G内存, 即1:4，该值是比较合理的。

4、其他人共享这个队列时

如果和其他人共享这个队列，那么num-executorsexecutor-cores不要超过队列总cpu cores的1/3-1/2比较合适。(14即4个节点共4个executor)*4=16，总cpu为32线程 8/16=1/2

二、问了两个同学，但是我感觉他们也不知道具体怎么计算

1、京东

executor要么1:2要么1:4

2cpu 4g或2cpu 8g

我感觉这中的是不是也得分是io密集的还是cpu密集(就是比较吃cpu)的

如果是io的话，就内存多点，如果是cpu的话，那就cpu密集

如果数据量大的话,就多给executor个数

2、百度

1、日常小任务
executor nums 50
executor cores 4
executor memory 4G

2、较大统计任务
executor nums 200
executor cores 4
executor memory 4G

3、复杂逻辑&大shuffle计算任务
xecutor nums 300
executor cores 4
executor memory 6G