备案控制台

开发者社区> 问答> 正文

spark中为什么要使用map-side预聚合的shuffle操作？

spark中为什么要使用map-side预聚合的shuffle操作？

展开

收起

游客ahv54x37wvm7u 2021-12-07 20:31:06 478 0

1 条回答

写回答

取消提交回答

游客lu6fsp6mkfgcm

如果因为业务需要，一定要使用shuffle操作，无法用map类的算子来替代，那么尽量使用可以map-side预聚合的算子，类似于MapReduce中的本地combiner。map-side预聚合之后，每个节点本地就只会有一条相同的key，因为多条相同的key都被聚合起来了。其他节点在拉取所有节点上的相同key时，就会大大减少需要拉取的数据数量，从而也就减少了磁盘IO以及网络传输开销。建议使用reduceByKey或者aggregateByKey算子来替代掉groupByKey算子

2021-12-07 20:37:45

赞同展开评论打赏

问答分类：

分布式计算 Spark

问答标签：

apache spark shuffle apache spark map spark Map apache spark操作 apache spark聚合

问答地址：

开发者社区 > 大数据 > 问答

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

相关问答

DataWorks最近有新增spark SQL相关支持，是需要重新初始化吗？有相关的操作文档吗？

42

1

0

在 Spark Structured 中，为什么全局水印的设计可能会导致不正确的聚合结果？

31

1

0

大数据计算MaxCompute在spark程序里面操作表数据，应该一次查询多少条 ?

39

1

0

DataWorks中spark操作odps，写入时报的错，哪位给看看什么原因引起的？

127

2

0

我根据操作maxcompute spark 在idea调试，不能正常执行，这个是什么情况呢？

106

1

0

DataWorks里，odps spark支持操作redis吗，如何操作？

222

2

0

DataWorks怎么操作ODPS Spark节点？

280

1

0

spark 执行RDD操作中的Lazy Calculate有什么好处吗？

2368

1

0

spark 执行RDD操作的过程要注意什么吗？

2341

1

0

通过 Spark 实时写入数据至 Hologres 应该如何操作？

997

1

0

问答排行榜

最热

最新

1 【大咖问答】对话PostgreSQL 中国社区发起人之一，阿里云数据库高级专家德哥 1819059

2 据说在家办公的程序员是这样写代码的？ 1793212

3 阿里云开放端口权限 690311

4 如何升级配置 536309

5 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522877

6 【精品问答】python技术1000问(1) 514141

7 Flink Forward Asia 2021 有奖问答 512921

8 OceanBase 使用动画（持续更新） 359386

9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329807

10 OSS存储服务-客户端工具 321605

11 为体验实验室取一个新名字。 307494

12 企业邮箱发送邮件时，若出现投递失败产生退信，内容提示包含如下： the mta server of * reply:550 failed to meet SPF requirements 或者 the mta server of 163.com — 163mx01.mxmail.netease.com(220.181.14.141) reply:550 MI:SPF mx14,QMCowECpA0qTiftVaeB3Cg—.872S2 1442548128 http://mail.163.com/help 304110

13 Win Server 2003-2016 加密勒索事件必打补丁合集 295338

14 FLASH播放器，在IE浏览器下显示请确定您的域名已完成备案和CNAME绑定 284223

15 安全组详解，新手必看教程 277351

16 写code还是做管理，开发者如何进行职业规划？ 269202

17 惊喜翻倍：免费ECS+免费环境配置~！(ECS免费体验6个月活动3月31日结束) 255886

18 阿里云手机和阿云浏览器连接问题专帖 235697

19 支付宝H5 下载的时候，提示【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】 229269

20 请问阿里云邮箱如何开启SMTP服务啊！ 225879

1 AI 编码助手能否引领编程革命？一起探索 AI 对研发流程的变革 261

2 AI新茶饮，是噱头还是未来？ 654

3 开发者们需要如何打造属于自己的Plan B? 343

4 动机VS自律，对开发者们来说哪个比较重要？ 455

5 AI音色克隆挑战播客，它能模拟人的特质吗？ 977

6 阿里云RDS mysql数据库show slave status信息疑问 347

7 求助：宜搭如何在请求数据源时传入参数 101

8 宜搭报表对日期字段赋值 243

9 求助：如何在宜搭自定义表单中获取普通表单子表单中的数据 167

10 AI生成海报or人工手绘，哪个更戳你？ 2174

11 “AI +脱口秀”，笑点能靠算法去创造吗？ 1053

12 宜搭配置更新花名册信息的连接器 229

13 请教：通过按钮打开另外一个表单，并把其中一个值传递给另一个表单的其中一个字段。 435

14 AI宠物更适合当代年轻人的陪伴需求吗？ 1389

15 AI客服未来会完全代替人工吗？ 1744

16 modelscope下载的模型如何转ollama 437

17 关于宜搭自定义页面循环数据渲染的问题。 110

18 “云+AI”能够孵化出多少可能？ 1262

19 当AI频繁生成虚假信息，我们还能轻信大模型吗？ 1197

20 使用免费证书后服务器浏览器访问没有问题，外网访问显示证书不可信，使用同一种浏览器哦 439

相关课程

更多

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第二阶段

287

28

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第三阶段

126

25

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段

137

19

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第五阶段

154

32

去学习

大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第六阶段

205

21

去学习

大数据实时计算框架Spark快速入门

1029

93

去学习

推荐问答

乘风问答官招募中！机械键盘免费拿

相关电子书

更多

Hybrid Cloud and Apache Spark 立即下载

Scalable Deep Learning on Spark 立即下载

Comparison of Spark SQL with Hive 立即下载