讲师中心 微信公众号

工具推荐

视频效率加速
Laper
Laper

剧本策划到成片协作

AniShort
AniShort

AI短剧协同制作平台

剧云
剧云

中文短剧剧本制作平台

Seko
Seko

AI短剧一键生成成片

怎样在Spark SQL中优化倾斜键的GROUP BY聚合性能?

冬涛君_4819

冬涛君_4819

发布时间:2026-11-16 08:17:29

|

627人浏览过

|

来源于php中文网

原创

优先启用AQE自动倾斜处理并配合手动加盐兜底;确认GROUP BY倾斜需检查SQL结果中top key计数是否百倍超标,以及Spark UI中对应task是否耗时异常、shuffle read量激增;仅调大spark.sql.shuffle.partitions无效,因倾斜key仍集中于同一分区。

怎样在spark sql中优化倾斜键的group by聚合性能?

直接结论:优先开 AQE 自动倾斜处理,配合手动加盐兜底;别只调 spark.sql.shuffle.partitions,它对倾斜 key 无效。

怎么确认是 GROUP BY 倾斜?

看两处:一是 SQL 执行完后跑 SELECT key, COUNT(*) AS cnt FROM tbl GROUP BY key ORDER BY cnt DESC LIMIT 20,如果某个 key 的 cnt 是其他 key 的百倍以上(比如普遍 2k~5k,某 device_id 突然到 300 万),基本坐实;二是 Spark UI 的 “SQL” 页签里,某个 task 耗时远高于其余(卡在 99%、OOM、executor 报 java.lang.OutOfMemoryError),且该 task 对应的 shuffle read 数据量异常高。

为什么不能只调大 spark.sql.shuffle.partitions?

这个参数只是控制 shuffle 分区总数,默认 200。把它改成 2000,确实让平均每个分区数据变少,但倾斜 key 仍全部落在同一个 partition——它占全量 80%,那 2000 个分区里,仍有约 1600 个空转,剩下 400 个争抢处理这 80% 数据。资源浪费没缓解,最大 task 耗时也没降。

常见误操作:

  • 以为“分得越细越均匀”,结果 shuffle 量暴增、小 task 大量堆积
  • 改了参数却没重跑 job,或只改了 client 模式下的 session 配置,集群实际未生效

Spark 3.5 中开 AQE 自动处理 GROUP BY 倾斜要配什么?

AQE 在 3.5 已稳定支持 GROUP BY 倾斜检测与分裂,但必须同时启用两个开关:

spark.sql.adaptive.enabled=true
spark.sql.adaptive.skewedJoin.enabled=true(注意:名字含 Join,但它实际覆盖 Aggregate 类 operator)

不启用后者,AQE 就不会拆分倾斜 group key。另外建议顺手打开:spark.sql.adaptive.coalescePartitions.enabled=true,避免因打散后产生大量小 partition 拖慢后续 stage。

手动加盐做两阶段聚合的关键细节

当 AQE 检测失败、或需精准控制倾斜 key 时,才上手写加盐逻辑。核心是避免 RAND() 多次调用导致同一原始 key 被拆成不同盐值、漏统计:

  • 盐值计算只写一次,用 CASE WHEN 包裹后,在 GROUP BY 和外层 SELECT 中复用
  • 随机范围设为 10~50,例如 FLOOR(RAND() * 20);太小打散不足,太大让本不倾斜的小 key 也被误拆
  • 多个倾斜 key 合并判断:WHEN key IN ('k1', 'k2', 'k3'),别嵌套一堆 OR
  • 盐前缀用下划线连接:CONCAT(key, '_', salt_val),避免和原始 key 冲突(比如 key 本身是 "123",盐值是 45,拼成 "12345" 就可能撞上真实 key)

容易被忽略的点:加盐只应对真正倾斜的 key,不是所有 key 都加;否则 shuffle 量无谓放大,小 key 反而变慢。

数码产品性能查询
数码产品性能查询

该软件包括了市面上所有手机CPU,手机跑分情况,电脑CPU,电脑产品信息等等,方便需要大家查阅数码产品最新情况,了解产品特性,能够进行对比选择最具性价比的商品。

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

Loomy
Loomy Hot

一款AI工具,主要用于科大讯飞发布的桌面级 AI 助理,比 OpenClaw 更易用、更安全!,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

讯飞智作

讯飞智作是一款AI视频创作工具,AI文本配音工具,数字人课程、营销视频制作。

讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

6496

2023.06.21

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

1269

2025.12.08

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

243

2026.01.05

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

546

2026.01.05

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

5043

2023.10.12

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

1031

2023.10.27

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

1329

2024.02.23

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

7101

2024.03.06

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

100

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn