Spark Streaming揭秘 Day17
资源动态分配
今天，让我们研究一下一个在Spark中非常重要的特性：资源动态分配。
为什么要动态分配？于Spark不断运行，对资源也有不小的消耗，在默认情况下，Spark采用的是粗粒度分配，那么低峰值时会产生大量的资源浪费。
比较有意思的是，在Spark Core和Spark Streaming中对于动态资源管理，采用了两种不同的思路。
Spark core：动态资源控制
在SparkContext启动时，可以看到就有一个动态资源分配的属性控制，默认为关闭。
从代码分析，其实现是在类ExecutorAllocationManager中
其中有两个关键部分：
首先，动态资源分配，是一个定时发起的任务，采用周期性触发的方式来发起。
其次，从实现方法来看，主要就是包含了增加Executor和减少Executor两步操作。
通过定时器，会根据Dirver中的元数据，不断的扫描Executor的情况，满足条件就会进行Executor的添加和删除。例如说正在运行的Stage运行在不同的Executor中，如果60秒时间，发现Executor中一个task也没运行，那就会remove掉，如果发现资源不够的话，会申请更多的资源。
同时，调整资源时，要考虑下资源的粒度，每个Executor的core是3-5个，奇数设置时，稳定性比较高。
Spark Streaming:动态速率控制
Spark Streaming中，Spark Core的动态资源控制方法不太适用，因为在每个Batch Duration可能要求的资源差别很大，有可能还没调整完资源，运行就过期了。
所以，在Spark Streaming中考虑以Batch Duration为周期来进行调整，Spark会判断处理速率，如果来不及处理，会控制处理的速度，叫做动态速率控制。
具体来说，SparkStreaming有一个rate功能可以控制流入的速率，在这个基础上提供了一套算法，根据流入数据和处理时间的比例关系，根据一定的关系，将流入的rate提高或者降低。其实现在PIDRateEstimator中，关键代码大致如下：
关键算法如下，即会以前两个Batch的运行时间来进行判断，按照运行趋势，计算下一周的窗口时间。
资源动态控制，比较适合长时间耗时的任务，Spark Streaming都是微处理，比较适合动态速率控制，而不是资源控制。同时调整的时候，是逐步调整的，并不是一步到位那种。
欲知后事如何，且听下回分解
DT大数据每天晚上20：00YY频道现场授课频道68917580