大數(shù)據(jù)計算BUG處理：

創(chuàng)新互聯(lián)專注于武山網(wǎng)站建設服務及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供武山營銷型網(wǎng)站建設，武山網(wǎng)站制作、武山網(wǎng)頁設計、武山網(wǎng)站官網(wǎng)定制、成都微信小程序服務，打造武山網(wǎng)絡公司原創(chuàng)品牌,更為您提供武山網(wǎng)站排名全網(wǎng)營銷落地服務。

程序修改前資源情況：

Driver : 1臺

Worker : 2臺

程序提交申請內(nèi)存資源 ： 1G內(nèi)存

內(nèi)存分配情況 ： 

1. 20%用于程序運行

2. 20%用于Shuffle

3. 60%用于RDD緩存

單條TweetBean大小 ： 3k

1. 內(nèi)存溢出

原因：因為程序會把所有的TweetBean查詢出來并且合并(union)，該操作在內(nèi)存中進行。則某個campaign數(shù)據(jù)量較大時，如500W數(shù)據(jù)，則500W*10k=50G，超出內(nèi)存限制。

解決方法： 先按數(shù)據(jù)量切分task，避免單個task有很多數(shù)據(jù)造成內(nèi)存溢出。把所有的task切分完成放到task列表中。循環(huán)task列表，當取出的task的數(shù)據(jù)量大于200000時，合并所有的數(shù)據(jù)并拆分成16個RDD分片。循環(huán)取task列表直至結(jié)束。

批量取200000數(shù)據(jù)的原因：200000*3k=600M，兩臺機器可用于程序運行的內(nèi)存=2（機器數(shù)）* 2G（程序申請的內(nèi)存大小） * 0.2（用于程序運行的內(nèi)存比例） = 800M，可以滿足存儲200000數(shù)據(jù)，避免內(nèi)存溢出。

2. 運行緩慢

原因：因為兩臺機器，每臺機器可用于shuffle的內(nèi)存大小 = 2（機器數(shù)）* 1G（程序申請的內(nèi)存大?。? 0.2（用于程序運行的內(nèi)存比例）= 400M。

200000（批量處理的數(shù)據(jù)量）* 3k（單條TweetBean大小）= 600M，批量Shuffle的數(shù)據(jù)量大于機器可用內(nèi)存，所以數(shù)據(jù)會Flush到硬盤，導致讀取數(shù)據(jù)緩慢。

解決方法：調(diào)整程序Shuffle可用內(nèi)存,如下：

程序申請內(nèi)存資源：2G

內(nèi)存分配情況 ： 

1. 20%用于程序運行

2. 60%用于Shuffle

3. 20%用于RDD緩存