Spark流处理调优步骤

总体运行状况：

这里的每个批处理任务间隔是10s一次，所以Total Delay是14s，那么对于下一个批处理任务来说就是延迟了14 - 10 = 4s 。

Total Delay   -  每个批处理任务设置的间隔  =  Scheduling Delay

Scheduling Delay  +  Processing Time  =  Total Delay

简易调优策略：设置每个批处理任务间隔时间 >= Proceesing Time（实际执行时间）

每个Executor、Task的执行时间，可以用于优化数据倾斜等问题：

查看每个批处理任务执行的具体状况：

点击时间戳进入：

点击“Job Id”查看具体的Task执行状况：

Executor倾斜：

只有一个Executor执行了1.3min，其他都是毫秒级，而Spark的运算性能是以最慢那个作为最终的运算时间，这说明其他的Executor并没有做运算。

解决办法：对rdd做一次reparation即可。

1. rdd = rdd.repartition(10);