如何解决Spark-为什么交换阶段的任务数量与spark.sql.shuffle.partitions不同
tl; dr
我的印象是,在交换阶段,我应该能够看到与spark.sql.shuffle.partitions
中定义的任务数量相同的任务。如Spark Internal Documentation中所述:“执行查询时,您应该看到Web UI中使用了200个左右的分区。”但是,当我使用Spark 3.0.0使用Databricks的笔记本启动简单查询时,我注意到此值与在Spark UI上看到的值不同,并且似乎被除以一半。
我有一个简单的查询%sql SELECT Country,sum(quantity) FROM online_retail group by Country
,并使用了Databricks数据集dbfs:/databricks-datasets/online_retail/data-001/
如果我设置了spark.sql.shuffle.partitions = 50
在查询计划中,我可以看到Exchange hashpartitioning(Country#94,50),true,[id=#543]
,但是Spark UI显示了25个任务。
请提出我在这里缺少的任何内容,感谢您的帮助!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。