Spark Shuffle之Hash Shuffle

源文件放在github，若有謬誤之處，歡迎指正。原文連接https://github.com/jacksu/utils4s/blob/master/spark-knowledge/md/hash-shuffle.md

正如你所知，spark實現了多種shuffle方法，經過 spark.shuffle.manager來肯定。暫時總共有三種：hash shuffle、sort shuffle和tungsten-sort shuffle，從1.2.0開始默認爲sort shuffle。本節主要介紹hash shuffle。

spark在1.2前默認爲hash shuffle（spark.shuffle.manager = hash），但hash shuffle也經歷了兩個發展階段。

第一階段

上圖有 4 個 ShuffleMapTask 要在同一個 worker node 上運行，CPU core 數爲 2，能夠同時運行兩個 task。每一個 task 的執行結果（該 stage 的 finalRDD 中某個 partition 包含的 records）被逐一寫到本地磁盤上。每一個 task 包含 R 個緩衝區，R = reducer 個數（也就是下一個 stage 中 task 的個數），緩衝區被稱爲 bucket，其大小爲spark.shuffle.file.buffer.kb ，默認是 32KB（Spark 1.1 版本之前是 100KB）。

第二階段

這樣的實現很簡單，但有幾個問題：

1 產生的 FileSegment 過多。每一個 ShuffleMapTask 產生 R（reducer 個數）個 FileSegment，M 個 ShuffleMapTask 就會產生 M * R 個文件。通常 Spark job 的 M 和 R 都很大，所以磁盤上會存在大量的數據文件。

2 緩衝區佔用內存空間大。每一個 ShuffleMapTask 須要開 R 個 bucket，M 個 ShuffleMapTask 就會產生 M * R 個 bucket。雖然一個 ShuffleMapTask 結束後，對應的緩衝區能夠被回收，但一個 worker node 上同時存在的 bucket 個數能夠達到 cores R 個（通常 worker 同時能夠運行 cores 個 ShuffleMapTask），佔用的內存空間也就達到了cores * R * 32 KB。對於 8 核 1000 個 reducer 來講，佔用內存就是 256MB。

spark.shuffle.consolidateFiles默認爲false，若是爲true，shuffleMapTask輸出文件能夠被合併。如圖

能夠明顯看出，在一個 core 上連續執行的 ShuffleMapTasks 能夠共用一個輸出文件 ShuffleFile。先執行完的 ShuffleMapTask 造成 ShuffleBlock i，後執行的 ShuffleMapTask 能夠將輸出數據直接追加到 ShuffleBlock i 後面，造成 ShuffleBlock i'，每一個 ShuffleBlock 被稱爲 FileSegment。下一個 stage 的 reducer 只須要 fetch 整個 ShuffleFile 就好了。這樣，每一個 worker 持有的文件數降爲 cores * R。可是緩存空間佔用大尚未解決。

總結

優勢

1. 快-不須要排序，也不須要維持hash表
2. 不須要額外空間用做排序
3. 不須要額外IO-數據寫入磁盤只需一次，讀取也只需一次

缺點

1. 當partitions大時，輸出大量的文件（cores * R）,性能開始下降
2. 大量的文件寫入，使文件系統開始變爲隨機寫，性能比順序寫要下降100倍
3. 緩存空間佔用比較大

固然，數據通過序列化、壓縮寫入文件，讀取的時候，須要反序列化、解壓縮。reduce fetch的時候有一個很是重要的參數spark.reducer.maxSizeInFlight，這裏用 softBuffer 表示，默認大小爲 48MB。一個 softBuffer 裏面通常包含多個 FileSegment，但若是某個 FileSegment 特別大的話，這一個就能夠填滿甚至超過 softBuffer 的界限。若是增大，reduce請求的chunk就會變大，能夠提升性能，可是增長了reduce的內存使用量。

若是排序在reduce不強制執行，那麼reduce只返回一個依賴於map的迭代器。若是須要排序， 那麼在reduce端，調用ExternalSorter。

參考文獻

spark Architecture:Shuffle

shuffle 過程

sort shuffle