扫码加入数据分析学习群

• num-executors：该作业总共需要多少executor进程执行

建议：每个作业运行一般设置5-~100个左右较合适

• executor-memory：设置每个executor进程的内存， num-executors* executor-memory代表作业申请的总内存量（尽量不要超过最大总内存的1/3~1/2）

建议：设置4G~8G较合适

• executor-cores： 每个executor进程的CPU Core数量，该参数决定每个executor进程并行执行task线程的能力，num-executors * executor-cores代表作业申请总CPU core数（不要超过总CPU Core的1/3~1/2 ）

建议：设置2~4个较合适

• driver-memory： 设置Driver进程的内存

建议：通常不用设置，一般1G就够了，若出现使用collect算子将RDD数据全部拉取到Driver上处理，就必须确保该值足够大，否则OOM内存溢出

• spark.default.parallelism： 每个stage的默认task数量

建议：设置500~1000较合适，默认一个HDFS的block对应一个task，Spark默认值偏少，这样导致不能充分利用资源

• spark.storage.memoryFraction： 设置RDD持久化数据在executor内存中能占的比例，默认0.6，即默认executor 60%的内存可以保存持久化RDD数据

建议：若有较多的持久化操作，可以设置高些，超出内存的会频繁gc导致运行缓慢

• spark.shuffle.memoryFraction： 聚合操作占executor内存的比例，默认0.2

建议：若持久化操作较少，但shuffle较多时，可以降低持久化内存占比，提高shuffle操作内存占比