什么网站程序好/百度投诉电话客服24小时
首选我们有上图这样一个job计算，对上图通过DAGScheduler的stage划分之后，我们产生了如下图所示的stage图
在这当中我们可以清楚的看到，前一个stage的shufflemaptask进行shuffle的wirte 操作，把数据存储在了blockmanager上面，并且把数据的元信息上报到driver的mapouttrack组件中，下一个stage根据数据位置元信息，进行shuffle read，拉取上一个stage的输出数据。
1、首先我们说下spark shuffle的演进历史
-
Spark 0.8及以前 Hash Based Shuffle
-
Spark 0.8.1 为Hash Based Shuffle引入File Consolidation机制
-
Spark 0.9 引入ExternalAppendOnlyMap
-
Spark 1.1 引入Sort Based Shuffle，但默认仍为Hash Based Shuffle
-
Spark 1.2 默认的Shuffle方式改为Sort Based Shuffle
-
Spark 1.4 引入Tungsten-Sort Based Shuffle
-
Spark 1.6 Tungsten-sort并入Sort Based Shuffle
-
Spark 2.0 Hash Based Shuffle退出历史舞台
总结一下，就是最开始的时候是Hash based shuffle，这时候就是最原始的shuffle操作（如果不明白可以看下我的另外一篇博客：https://blog.csdn.net/yrsg666/article/details/100095829），mapper会产生reducer的数量的bucket，以及对应bucket缓存的shuffleBlockFile磁盘文件。文件数量就是 shufflemaptask数量*resulttask数量对应到hadoop中就是M*R的数量，这样会产生大量的小文件，IO要求很高，很容易OOM，其次就是各种版本的优化了，首先是在0.8.1引入了consolidation机制，如果不明白请参考：https://blog.csdn.net/yrsg666/article/details/100096907，再之后还有 Tungsten-Sort Based Shuffle， 这个是直接使用堆外内存和新的内存管理模型，节省了内存空间和大量的gc， 是为了提升性能。现在用2.2观察了下其更新声明，粗略浏览了一下在shuffle上没看到比2.1明显的变化，找到一篇很不错的博客，在此借用下大牛的博客，在此进行下个人的理解梳理。
2.1 分为三种writer， 分为 BypassMergeSortShuffleWriter， SortShuffleWriter 和 UnsafeShuffleWriter
上面是使用哪种writer的判断依据，是否开启mapsidecombine这个判断，是因为有些算子在map端会先进行一次combin，比如reducebykey，减少数据的传输。BypassMergeSortShuffleWriter会临时输出reduer个（分区数据）小文件，所以分区数必须要小于一个阀值，默认是200。UnsafeShuffleWriter需要Serializer支持relocation,Serializer支持relocation：原始数据首先被序列化处理，并且再也不需要反序列化，在其对应的元数据被排序后，需要Serializer支持relocation,在指定位置读取对应数据。
BypassMergeSortShuffleWriter 实现细节
BypassMergeSortShuffleWriter和Hash Shuffle中的HashShuffleWriter实现基本一致，唯一的区别在于，map端的多个输出文件会被汇总为一个文件，所有分区的数据会合并为同一个文件，会生成一个索引文件，是为了索引到每个分区的起始地址，可以随机access某个partition的所有数据。如下图：
但是需要注意，这种方式不宜有太多分区，因为过程中会并发打开所有的分区对应的临时文件，会对文件系统造成很大的压力。具体实现就是给每个分区分配一个临时文件，对每个record的key使用分区器（模式是hash，如果用户自定义就是用自定义的分区器）找到对应分区的输出文件句柄，直接写入文件，没有在内存中使用buffer。最后copyStream方法把所有的临时分区文件拷贝到最终的输出文件中，并且记录每个分区的文件其实写入位置，把这些位置数据写入索引文件中。
SortShuffleWriter 实现细节
我们可以……
参考博客：
https://www.cnblogs.com/itboys/p/9201750.html
https://blog.csdn.net/u011564172/article/details/71170234