Spark过大数据量分组排序,内存不足

需求 :

  • 假定超大数据量的商品,需要根据其价格在其类目或全类目进行排序求前1000,但是内存不足

需求拆解 :

  • 先算出特定类目的前1000,再进行全类目的分组比较排序

备注 :

  • 不要使用Spark自带的GroupByKey,要自己实现CombineByKey
  • 实现CombinedByKey的时候需要在每次MergeValue 和 MergeCombiner的时候做好排序,限定前1000(即限定Combiner的大小)
  • 这样就可以避免内存不足的问题,同时可以先得到单独类目的前1000
  • 最后再进行全类目多条件组合的分组比较排序即可
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容