Spark广播变量HttpBroadcast和TorrentBroadcast对比

HttpBroadcast会在driver端的BlockManager里面存储广播变量对象&＃xff0c;并且将该广播变量序列化写入文件中去。所有获取广播数据请求都在driver端&＃xff0c;所以存在单点故障和网络IO性能问题。

TorrentBroadcast会在driver端的BlockManager里面存储广播变量对象&＃xff0c;并将广播对象分割成若干序列化block块(默认4M)&＃xff0c;存储于BlockManager。小的block存储位置信息&＃xff0c;存储于Driver端的BlockManagerMaster。数据请求并非集中于driver端&＃xff0c;避免了单点故障和driver端网络磁盘IO过高。

TorrentBroadcast在executor端存储一个对象的同时会将获取的block存储于BlockManager&＃xff0c;并向driver端的BlockManager汇报block的存储信息。请求数据的时候会先获取block的所有存储位置信息&＃xff0c;并且是随机的在所有存储了该executor的BlockManager去获取&＃xff0c;避免了数据请求服务集中于一点。

总之&＃xff0c;就是HttpBroadcast导致获取广播变量的请求集中于driver端&＃xff0c;容易引起driver端单点故障&＃xff0c;网络IO过高影响性能等问题&＃xff0c;而TorrentBroadcast获取广播变量的请求服务即可以请求到driver端也可以在executor&＃xff0c;避免了上述问题&＃xff0c;当然这只是主要的优化点。