Spark：以编程方式获取集群核心数

Spark：以编程方式获取集群核心数

有多种方法可以从Spark获取执行程序的数量和集群中的核心数量。这是我过去使用的一些Scala实用程序代码。您应该可以轻松地使其适应Java。有两个关键思想：

1. 工人人数是执行者人数减去一或

   sc.getExecutorStorageStatus.length - 1

   。

2. 每个工人的核心数可以通过

   java.lang.Runtime.getRuntime.availableProcessors

   在一个工人上执行来获得。

其余代码是为

SparkContext

使用Scala隐式添加便利方法的样板。我在1.x年前编写了代码，这就是为什么不使用的原因

SparkSession

。

最后一点：合并多个核心通常是一个好主意，因为这可以在数据偏斜的情况下提高性能。在实践中，我使用1.5倍至4倍之间的任何值，具体取决于数据大小以及作业是否在共享群集上运行。

import org.apache.spark.SparkContextimport scala.language.implicitConversionsclass RichSparkContext(val sc: SparkContext) {  def executorCount: Int =    sc.getExecutorStorageStatus.length - 1 // one is the driver  def coresPerExecutor: Int =    RichSparkContext.coresPerExecutor(sc)  def coreCount: Int =    executorCount * coresPerExecutor  def coreCount(coresPerExecutor: Int): Int =    executorCount * coresPerExecutor}object RichSparkContext {  trait Enrichment {    implicit def enrichmetadata(sc: SparkContext): RichSparkContext =      new RichSparkContext(sc)  }  object implicits extends Enrichment  private var _coresPerExecutor: Int = 0  def coresPerExecutor(sc: SparkContext): Int =    synchronized {      if (_coresPerExecutor == 0)        sc.range(0, 1).map(_ => java.lang.Runtime.getRuntime.availableProcessors).collect.head      else _coresPerExecutor    }}

更新资料

最近

getExecutorStorageStatus

已被删除。我们已切换为使用

SparkEnv

的`blockManager.master.getStorageStatus.length

1

（减号再次用于驱动程序）。正常的方式来得到它，通过

env

的

SparkContext

是没有的外部访问

org.apache.spark`包。因此，我们使用封装违规模式：

package org.apache.sparkobject EncapsulationViolator {  def sparkEnv(sc: SparkContext): SparkEnv = sc.env}