运行Spark作业时CPU使用率较低

本文介绍了运行Spark作业时CPU使用率较低的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

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？

推荐答案

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。

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。

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：spark.apache/docs/latest/configuration.html

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。