Sparksql 动态shuffle partition

背景

spark版本2.4.6

在spark sql中shuffle的partition数量由spark.sql.shuffle.partitions决定。

spark.sql.shuffle.partitions默认是200

shuffle并行度定死某一个数值（如200），会存在一些问题。因为每次shuffle的数据量是不确定。当数据量小的时候，每一个shuffle的task处理的数据量太少（如下图）。当数据量大的时候，每一个shuffle处理的数量又太多。所以需要根据shuffle前文件大小来动态调节shuffle的并行度。

动态shuffle partition

主要参数有三个：

• spark.sql.adaptive.enabled：开启adaptive功能，默认false
• spark.sql.adaptive.shuffle.targetPostShuffleInputSize：shuffle单个partition输入文件大小，默认64M
• spark.sql.adaptive.minNumPostShufflePartitions：shuffle的partition最小数量，默认-1

开启动态shuffle，需要设置spark.sql.adaptive.enabled=true，开启后shuffle的并行度变成了有200变成了1

可以通过spark.sql.adaptive.shuffle.targetPostShuffleInputSize来调整shuffle的并行度。如下图spark.sql.adaptive.shuffle.targetPostShuffleInputSize设置为500kb，shuffle的数据大小为1034.6kb。并行度=ceil(1034.6/500)=3

也可以通过spark.sql.adaptive.minNumPostShufflePartitions调整shuffle并行度。如下图设置spark.sql.adaptive.minNumPostShufflePartitions为10，shuffle并行度为11（满足最小为10）

shuffle并行度确定流程（源码）

暂时无法在飞书文档外展示此内容

举例说明：

源码在ExchangeCoordinator类中

map输出文件大小为1034.6KB（）

spark.sql.adaptive.enabled=true

spark.sql.adaptive.shuffle.targetPostShuffleInputSize=500KB

spark.sql.adaptive.minNumPostShufflePartitions=10

文件大小totalPostShuffleInputSize=1112175，除以10，得到maxPostShuffleInputSize=111218，跟500KB取最小值，targetPostShuffleInputSize最终等于111218

map输出的文件已经按照默认分区数200进行了分组。mapOutputStatistics中是map task生成文件中200个分区对应的大小。遍历200个分区，从mapOutputStatistics中获取全部map输出文件中对应partition的数据大小，累加直到targetPostShuffleInputSize生成一个合并分区。最后写入partitionStartIndices中。

partitionStartIndices中保存的是原始200分区对应的索引值，表示合并后partition的起始位置。

最后将200个分区合并成了11个分区。

分别对应处理

0-19 20-38 39-57 58-77 78-97 98-117 118-136 137-154 156-175 176-194 195-200