V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
MainHanzo
V2EX  ›  程序员

为什么我的 spark 没有比 hadoop 快

  •  
  •   MainHanzo · 2020-06-02 22:42:34 +08:00 · 2128 次点击
    这是一个创建于 1395 天前的主题,其中的信息可能已经有所发展或是发生改变。

    自己在电脑上用 virtualbox 搭了一个虚拟集群,3 台 centos,内存大小 2048mb,硬盘大小 48g 。一个 master 两个 slaves,都安装了 spark 和 hadoop 。 尝试跑了 wordcount,数据大概从 200mb 到 1500mb 。跑出来的结果是 hadoop 只比 spark 慢一点,有的数据量差不多快。 我很奇怪为什么会出现这样的结果。两者硬件条件一样,而且我两个都用的是 yarn 来分配资源,spark 的优势为什么显示不出来呢?

    3 条回复    2020-06-03 12:24:00 +08:00
    billlee
        1
    billlee  
       2020-06-03 01:01:42 +08:00
    1. wordcount 太简单了,利用不上 spark 的优势
    2. 1500mb 的数据量也太小了,运行时间恐怕还没创建销毁 application 的开销长。直接用单机单线程的 wc 恐怕比这两个都快

    hadoop 和 spark 是在双路 CPU 几百 GB 内存的服务器都处理不过来时用的,拿 3 台 2GB 内存的虚拟机来测性能没有意义。
    yuikns
        2
    yuikns  
       2020-06-03 02:41:19 +08:00
    @billlee +1

    spark 的优势在于用程序的方式构建一些任务的 DAG 然后自动推导可以 schedule 出优化后的 spark jobs. 在有比较复杂的任务的时候浪费的算力会少很多。

    https://i.stack.imgur.com/cyvd1.png

    低性能的虚拟机下 spark 和 hadoop 比很多单机程序都慢。不过如果单纯内部比较,当任务变得复杂后,hadoop 浪费了较多算力,我觉得还是可以看出出性能的区别的。
    snappyone
        3
    snappyone  
       2020-06-03 12:24:00 +08:00 via Android
    你这个配置拿来玩玩就行了,性能就不要深究了
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   1193 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 23:19 · PVG 07:19 · LAX 16:19 · JFK 19:19
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.