Welche Operationen tragen zu der Deserialisierungszeit der Task bei?

Question

Ich habe einige Jobs, bei denen Tasks durch Task-Deserialisierungszeit dominiert werden. Die Aufgaben selbst sind in etwa 10 Sekunden nach 3 Minuten der Deserialisierung der Aufgabe abgeschlossen.

Was sind die genauen Grenzen dieser Metrik? Welche Ressourcenbeschränkungen tragen am häufigsten zu langen Deserialisierungszeiten bei?

Answer 1

Eine schnelle Summen in den Quellcode auf Master (https://github.com/kayousterhout/spark-1/blob/master/core/src/main/scala/org/apache/spark/executor/Executor.scala#L179)

Es ist im Wesentlichen diese:

val (taskFiles, taskJars, taskBytes) = Task.deserializeWithDependencies(serializedTask) 
    updateDependencies(taskFiles, taskJars) 
    task = ser.deserialize[Task[Any]](taskBytes, Thread.currentThread.getContextClassLoader) 

    // If this task has been killed before we deserialized it, let's quit now. Otherwise, 
    // continue executing the task. 
    if (killed) { 
     // Throw an exception rather than returning, because returning within a try{} block 
     // causes a NonLocalReturnControl exception to be thrown. The NonLocalReturnControl 
     // exception will be caught by the catch block, leading to an incorrect ExceptionFailure 
     // for the task. 
     throw new TaskKilledException 
    } 

    attemptedTask = Some(task) 
    logDebug("Task " + taskId + "'s epoch is " + task.epoch) 
    env.mapOutputTracker.updateEpoch(task.epoch) 

Von dieser Linie (taskFiles, taskJars, taskBytes) Ich vermute, dass jede Aufgabe, die JAR-Dateien ist Deserialisieren; In meinem Fall habe ich eine 136 MB dicke JAR, die nicht hilft.