Spark的动态资源分配

跑spark程序的时候，公司服务器需要排队等资源，参考一些设置，之前不知道，跑的很慢，懂得设置之后简直直接起飞。

简单粗暴上设置代码：

 def conf(self):
      conf = super(TbtestStatisBase, self).conf
      conf.update({
             'spark.shuffle.service.enabled': 'true',
             'spark.dynamicAllocation.enabled': 'false',
             'spark.dynamicAllocation.initialExecutors': ,
             'spark.dynamicAllocation.minExecutors': ,
             'spark.dynamicAllocation.maxExecutors': ,
             'spark.sql.parquet.compression.codec': 'snappy',
             'spark.yarn.executor.memoryOverhead': ,
             "spark.speculation": 'true',
             'spark.kryoserializer.buffer.max': '512m',
       })

一小部分设置。简单解析一下：

1、spark.shuffle.service.enabled。用来设置是否开启动态分配。开启了动态分配的Application在申请资源的时候默认会拥有更高的优先级

2、spark.dynamicAllocation.initialExecutors (默认下是3)

   spark.dynamicAllocation.minExecutors (默认下是0)

spark.dynamicAllocation.maxExecutors (默认下是30)

Executor应该是所谓资源单位，自己理解为越多执行越快嘛，如果是Yarn的话，就是Containers，一个道理　　

3、spark.yarn.executor.memoryOverhead 是设置堆外内存大小，和 executor_memory 做个对比：

　　ExecutorMemory为JVM进程的JAVA堆区域。

　　MemoryOverhead是JVM进程中除Java堆以外占用的空间大小，包括方法区（永久代）、Java虚拟机栈、本地方法栈、JVM进程本身所用的内存、直接内存（Direct Memory）等。

　　两者关系：如果用于存储RDD的空间不足，先存储的RDD的分区会被后存储的覆盖。当需要使用丢失分区的数据时，丢失的数据会被重新计算。ExecutorMemory + MemoryOverhead之和（JVM进程总内存）　　          　　　　

我只是简单理解堆外内存为一个备用区域吧，还不知道具体什么作用。有遇到内存不够报错的情况，然后调大了MemoryOverhead。

4、理论上：非动态分配情况下，我们必须要等到有100个Executor才能运行Application，并且这100个会一直被占用到程序结束，即便只有一个任务运行了很长时间。动态分配情况下，当有10个Executor的时候，我们的Application就开始运行了，并且我们后续可以继续申请资源，最多申请到100个Executor，当我们有空闲资源的时候，我们可以被释放资源到最少只保留10个Executor，当需要的时候我们有更高的优先级从YARN那儿拿到资源。

但是！

5、用了之后简直起飞。。公司服务器好像根本不存在动态这回事，总是只给几个executor，虽然开始是很快，但执行过程很慢，所以我放弃了，不动态调整了，直接设置死 num_executors = 90。。。然后：

发现一般资源还是挺富裕的嘛，写了90个 也不用等很久。为什么动态一直不肯分给我。。。好多资源，瞬间2个小时缩短为20分钟。