一.目的
1.避免资源的浪费
2.提高任务执行的效率
3.防止任务未执行完毕,session和线程池已关闭,导致任务失败
二、异常coding:
1)method 1
for (String s : list) {
Dataset<Row> sql = sparkSession.sql(s);
sql.show();
}
sparkSession.close();
System.out.println("=====任务执行完毕====");
2)method 2
//启动多线程
ExecutorService executorService = Executors.newFixedThreadPool(list.size());
for (String s : list) {
executorService.submit(new Runnable() {
@Override
public void run() {
Dataset<Row> sql = sparkSession.sql(s);
sql.show();
}
});
}
//关闭session和线程池
executorService.shutdown();
sparkSession.close();
System.out.println("=====任务执行完毕====");
上述两段代码有很大的问题,以及会有异常产生
method 1:
任务是一个一个串行执行,例如
若该任务申请到10个core,10G内存,而在执行第一个sql1时,job只使用了4个Core和2G内存,那么就造成了资源的浪费和剩下的任务还在等待该job的执行,不等做到资源的使用,而且任务时串行执行效率慢。
弊端:a.浪费资源 b.执行效率慢
method2:
虽然是使用多线程提交任务,但是会发生任务未执行完毕session提前关闭的异常
三.coding--解决方案
1.使用CountDownLatch的计数器批量提交任务
1)计数器的初始大小和任务数量保持一致(和线程数无关)
2)每执行完一次任务计数器减一
3)await()方法会一致阻塞,直到计数器的值减为0,才会释放锁,以便所有任务执行完毕后继续执行下一步操作
/**
* 批量执行sql任务
*/
public class Test {
public static void main(String[] args) throws Exception {
//创建批量sql任务
String sql1 = "select count(1) from pub_penalty where dt=20210106";
String sql2 = "select count(1) from pub_penalty_tmp";
String sql3 = "select count(1) from pub_permission_tmp";
String sql4 = "select count(1) from pub_permission";
String sql5 = "select count(1) from test_sort";
ArrayList<String> list = new ArrayList<>();
list.add(sql1);
list.add(sql2);
list.add(sql3);
list.add(sql4);
list.add(sql5);
//初始化SparkSession
SparkSession sparkSession = initSparkSession();
//初始化CountDownLatch计数器,计数器大小和任务数保持一致
CountDownLatch countDownLatch = new CountDownLatch(list.size());
//启动多线程
ExecutorService executorService = Executors.newFixedThreadPool(list.size());
for (String s : list) {
executorService.submit(new Runnable() {
@Override
public void run() {
Dataset<Row> sql = sparkSession.sql(s);
System.out.println(s + "---->runing..........." + sql.count());
//计数器减一
countDownLatch.countDown();
}
});
}
//阻塞等待
countDownLatch.await();
System.out.println("----->执行完毕");
//关闭session和线程池
sparkSession.close();
executorService.shutdown();
}
private static SparkSession initSparkSession() {
System.setProperty("hadoop.home.dir", "D:\\appinstall");
System.setProperty("HADOOP_USER_NAME", "bbdoffline");
SparkConf conf = new SparkConf();
conf.setAppName("bbd-wgj");
SparkSession sparkSession = SparkSession.builder().config(conf).master("local[*]").enableHiveSupport().getOrCreate();
sparkSession.sparkContext().setLogLevel("WARN");
return sparkSession;
}
2.使用Callable提交任务,通过返回值Future<T>的阻塞方法get()批量提交任务
1)使用Callable具有返回值的多线程方法提交任务
2)返回值Future<T> 的get()方法是个阻塞方法,会等待结果的返回,直到任务结束
......主体代码......
//启动多线程
ExecutorService executorService = Executors.newFixedThreadPool(list.size());
ArrayList<Future<String>> list1 = new ArrayList<>();
for (String s : list) {
//使用Callable具有返回值的多线程方法提交任务
Future<String> submit = executorService.submit(new Callable<String>() {
@Override
public String call() throws Exception {
Dataset<Row> sql = sparkSession.sql(s);
sql.show();
return "success" + s;
}
});
//将任务返回值添加到list集合
list1.add(submit);
}
for (Future<String> result : list1) {
try {
//get是一个阻塞方法,获取结果值
String retult = result.get();
System.out.println(retult);
} catch (Exception e) {
e.printStackTrace();
}
}
//关闭session和线程池
executorService.shutdown();
sparkSession.close();
System.out.println("=====任务执行完毕====");
spark ui图:
如图所示,多线程提交任务时,当资源申请足够多时,会同时执行!!!即使资源不足,也会在上一个任务结束释放资源后立即执行
注意:任务中视图表的创建、临时表的创建、等共享变量的创建,多个任务同时执行时,会造成同时使用!!!
----值得推荐