源码解密Spark内存管理

远古大神曾告诉我们这个神秘公式：程序=算法+数据。

1.1 什么是内存模型

内存模型就是告诉我们怎么划分内存、怎么合理利用我们的内存。

首先我们要存什么，根据大神的公式，我们这样来分析：

• 数据：就是我们代码操作的数据，比如人的数据(年龄、职位等)或者输入的某个值。这些可在运行时将要计算的部分数据加载到内存。
• 算法：就是操作数据的逻辑，表现形式就是代码或者编译后的指令。当然它要运行起来，会依赖一部分内存，来储存程序计数器(代码执行到那一句了)、函数调用栈等运行时需要的数据。总而言之就是执行数据操作逻辑所必要的内存。

这下我们就可以把我们需要储存的东西分为数据区和执行区。

二、spark内存模型

2.1 spark为啥快

我们都知道spark之所以比mapreduce计算的快，是因为他是基于内存的，不用每次计算完都写磁盘，再读取出来进行下一次计算，spark直接把内存作为数据的临时储存介质。所以mapreduce就没有强调内存管理，而spark需要管理内存。

2.2 spark管理的内存

系统区：spark运行自身的代码需要一定的空间。

用户区：我们自己写的一些udf之类的代码也需要一定的空间来运行。

存储区：spark的任务就是操作数据，spark为了快可能把数据存内存，而这些数据也需要占用空间。

执行区：spark操作数据的单元是partition，spark在执行一些shuffle、join、sort、aggregation之类的操作，需要把partition加载到内存进行运算，这也会运用到部分内存。

2.3 spark内存模型

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!