谁在 Apache Spark 中将分区加载到 RAM 中？

Posted 2023-04-18

【中文标题】谁在 Apache Spark 中将分区加载到 RAM 中？

【英文标题】：Who loads partitions into RAM in Spache Spark?

【发布时间】：2016-07-20 20:57:11

【问题描述】：

我有这个问题，我无法在任何地方找到答案。

我正在使用以下行在 PySpark 应用程序中加载数据：

loadFile = self.tableName+".csv"
dfInput= self.sqlContext.read.format("com.databricks.spark.csv").option("header", "true").load(loadFile) 

我的集群配置如下：

我正在使用具有 3 个节点的 Spark 集群：1 个节点用于启动主节点，其他 2 个节点各运行 1 个工作节点。 我使用脚本从集群外部的登录节点上提交应用程序。 脚本以集群部署模式提交 Spark 应用程序，我认为，然后在这种情况下，使驱动程序在我正在使用的 3 个节点中的任何一个上运行。 输入的 CSV 文件存储在全局可见的临时文件系统 (Lustre) 中。

在 Apache Spark Standalone 中，将分区加载到 RAM 的过程是怎样的？

是不是每个执行程序都访问驱动程序的节点 RAM 并从那里将分区加载到自己的 RAM 中？ （存储 --> 驱动程序的内存 --> 执行程序的内存） 是否每个执行程序都访问存储并加载到自己的 RAM 中？ （存储 --> 执行者的 RAM）

这些都不是，我在这里遗漏了一些东西吗？我如何自己见证这个过程（监控工具、unix 命令、Spark 中的某处）？

任何我可以深入了解的评论或资源都会非常有帮助。提前致谢。

【参考方案1】：

第二种情况是正确的：

每个执行程序都访问存储并加载到自己的 RAM 中？ （存储 --> 执行者的 RAM）