概述 因为有计划将 K8S 上的 Spark 2.2 升级到更新的版本，关于动态资源扩展，是一个比较关心的问题。 Comparison 先看看目前 Spark 2.4.3 里 KubernetesClusterSchedulerBackend 是怎么写的。 所以说，这部分的工作在是

概述 这个项目是之前的同事推荐看的，周末看了下，写篇文章总结下，本文主要解读一下 README，然后本地跑起来看看，最后分析一下具体实现。 Spa

概述 假设程序中需要对一个接近 3T 的模型文件进行 cache。 代码 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 object Persona { def main(args: Array[String]): Unit = { val spark = SparkSession .builder .appName

RDD缓存 Persist 到内存的 RDD，比较多，9T左右，Excutor 一共分配了25T内存。剩下给 Shuffle 的空间不算大了，所以会引起频繁的 GC。 建议: 减少缓

概述 当第一次碰到 Spark，尤其是 Checkpoint 的时候难免有点一脸懵逼，不禁要问，Checkpoint 到底是什么。所以，当我们在说 Checkpoint 的时候，我们到底是指

1 Overview Spark 容器化的前提是需要 Spark 的镜像文件，那么怎么 build 呢？Spark 官方是提供了 Dockerfile 的，并且也提供了脚本工具，可以自行 build 并发布到自己的 Restry 里。 2 Spa