Nano Hash - криптовалюты, майнинг, программирование

Можем ли мы начать новый поток в foreachRDD в потоковой передаче искры?

Я хочу запустить дочерний поток в foreachRDD.

Моя ситуация:

задание постоянно читает из каталога hdfs, и каждые 100 пакетов я хочу запустить задачу обучения модели (в это время я сделаю снимок rdds и запущу задачу обучения. задача обучения занимает очень много времени ( 2 часа), и я не хочу, чтобы обучающая задача влияла на чтение нового пакета данных.

Является ли запуск нового дочернего потока хорошим решением? Может ли дочерний поток использовать SparkContext в основном потоке и использовать rdd в основном потоке?

apache-spark spark-streaming
11.05.2015

  • Подойдет ли вам встроенная асинхронная обработка? : spark.apache .org/docs/1.3.0/api/scala/ 11.05.2015
  • не лучше ли вместо этого запускать пакетное задание spark каждые 2 часа? 12.05.2015
  • @maasg, потому что данные довольно большие, загрузка их с диска займет 1 час. Я думаю, что это пустая трата дискового ввода-вывода и задержит задачу... 12.05.2015
  • @JustinPihony спасибо, но это действие rsync rdd слишком простое. Мне нужно запустить обучение модели в mllib... 12.05.2015
  • @user2848932 user2848932 Насколько велики данные? Вы планируете держать это в памяти в течение нескольких часов? 12.05.2015
  • @maasg да, я буду хранить в памяти данные за один месяц, около нескольких ТБ (старые данные за один месяц + 100 пакетов новых данных). Я не хочу загружать их каждые два часа... 12.05.2015

Ответы:


1

Вам не нужно запускать новый поток в операциях RDD. Чтобы запускать новое задание в каждой сотне пакетов, вы можете добавить BatchListner для подсчета количества пакетов и запускать новое задание, когда число равно 100. Пример пакетного прослушивания

21.09.2017
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..