spark-streaming消费kafka写hbase代码实战调优

忆山

于 2020-02-11 16:23:11 发布

阅读量416

点赞数

CC 4.0 BY-SA版权

分类专栏： spark实战系列

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_34936033/article/details/104265001

spark实战系列专栏收录该内容

8 篇文章

订阅专栏

本文介绍了一种使用Spark处理大规模数据的性能优化方案，通过增加Map集合、调整资源配置（如executor-cores、num-executors等）以及开启反压机制，显著提高了处理效率。针对拥有大量分区的topic，该方案确保了数据的高效消费与处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、处理逻辑

通过新增map集合来提升处理性能

2、资源配置

--executor-cores 3 \
--num-executors 5 \
--executor-memory 2G \
--driver-memory 2G \

3、测试场景

这个topic有15个分区，并且数据量挺大，所以需要15个core处理，从earliest消费写到测试表，4千万的数据量

第三次测试 spark.streaming.kafka.maxRatePerPartition = 3000 开启反压

每个批次处理4s多，刚好能处理完

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。