linux办公网
AWSGlue(Spark)非常缓慢。
创始人
2024-09-25 14:02:28
0次

  1. 增加DPU数：AWS Glue是基于Data Processing Units（DPU）计费的，每个DPU提供4 vCPU和16 GB内存。可以通过增加DPU数目来提高AWS Glue的处理速度。

  2. 增加worker节点：AWS Glue提供了多个worker节点，可以同时处理数据分区。增加worker节点数可以提高数据处理能力。

  3. 优化Spark代码：Spark是AWS Glue的底层组件，可以通过对Spark代码进行优化来提高处理速度。例如，减少数据的shuffle操作、使用广播变量、调整Spark执行资源等。

下面是一个Spark代码示例来调整shuffle操作的设置：

from pyspark.sql.functions import *

# 设置spark.sql.shuffle.partitions为2，从而减少shuffle操作分区数目
spark.conf.set("spark.sql.shuffle.partitions", "2")

# 执行Spark操作
df = spark.read.parquet("s3://bucket/path/to/data")
df.groupBy("category").agg(mean("price")).show()

通过上述的优化方法，可以提高AWS Glue (Spark)的处理速度。

上一篇：AWSGlobalAccelerator为什么在内部使用任播？

下一篇：AWSGLUE+AWSAthena/Hive中的JSON/struct列类型？

相关内容

热门资讯

前端-session、jwt 目录：   （1）session （2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作： 我们首先创建了一个文件并在这个文件里面添加了...
关于测试，我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语，但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组，我们想大量频繁的去访问L到R这个区间的和，...
nodejs：本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本，node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构：jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路，走一条最大的...
常用的DOS命令 常用的DOS命令 DOS（Disk Operating System，磁...
＜C++＞ 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数，cons...