全部產品
Search

搜尋本產品

    E-MapReduce：Celeborn

    文件中心

    E-MapReduce：Celeborn

    更新時間：Apr 21, 2026

    Celeborn是一個處理中間資料的服務，能夠提升巨量資料引擎的穩定性、靈活性和效能。本文為您介紹如何使用Celeborn服務。

    背景資訊

    目前Shuffle方案的缺點如下：

    • Shuffle Write在巨量資料量情境下會溢出，導致寫放大。

    • Shuffle Read過程中存在大量的網路小包導致的Connection reset問題。

    • Shuffle Read過程中存在大量小資料量的IO請求和隨機讀，對磁碟和CPU造成高負載。

    • 對於M*N次的串連數，在M和N數千的規模下，作業基本無法完成。

    • NodeManager和Spark Shuffle Service是同一進程，當Shuffle的資料量特別大時，通常會導致NodeManager重啟，從而影響YARN調度的穩定性。

    Celeborn服務可以最佳化目前Shuffle方案的問題。Celeborn優勢如下：

    • 使用Push-Style Shuffle代替Pull-Style，減少Mapper的記憶體壓力。

    • 支援IO彙總，Shuffle Read的串連數從M*N降到N，同時將隨機讀更改為順序讀。

    • 支援兩副本機制，降低Fetch Fail機率。

    • 支援計算與儲存分離架構，可以部署Shuffle Service至特殊硬體環境中，與計算叢集分離。

    • 解決Spark on Kubernetes時對本地磁碟的依賴。

    Celeborn設計架構圖如下。Celeborn

    前提條件

    已建立E-MapReduce的DataLake叢集或自訂叢集，並選擇Celeborn服務。建立叢集詳情請參見建立叢集。

    使用限制

    此文檔僅適用於以下版本的叢集。

    叢集

    版本

    DataLake叢集

    EMR-3.45.0及後續版本，EMR-5.11.0及後續版本。

    自訂叢集

    EMR-3.45.0及後續版本，EMR-5.11.0及後續版本。

    操作步驟

    Spark配置

    參數

    描述

    spark.shuffle.manager

    • 0.4.x及之後版本：固定值為org.apache.spark.shuffle.celeborn.SparkShuffleManager

    • 0.3.x及之前版本：固定值為org.apache.spark.shuffle.celeborn.RssShuffleManager。

    spark.serializer

    固定值為org.apache.spark.serializer.KryoSerializer。

    spark.celeborn.push.replicate.enabled

    是否開啟兩副本。取值如下：

    • true（預設值）：開啟兩副本。

    • false：不開啟兩副本。

    spark.shuffle.service.enabled

    需修改為false，才會使用Celeborn。

    使用Celeborn時需要關閉原有的External Shuffle Service。在使用Celeborn的情況下，是可以正常使用Spark的Dynamic Allocation的。

    說明

    • 設定spark.shuffle.service.enabled為true，則不使用Celeborn。

    • 阿里雲Spark已完成Celeborn適配，開源Spark 3.5版本已完成Celeborn適配。

    spark.celeborn.shuffle.writer

    Celeborn的wirter支援的模式：

    • hash（預設值）：在Partition並發度過大的情況下會使用較多的記憶體。

    • sort：使用固定大小記憶體，在Partition並發度很大的情況下，能夠穩定工作。

    spark.celeborn.master.endpoints

    填寫格式<celeborn-master-ip>:<celeborn-master-port>。

    涉及參數如下：

    • <celeborn-master-ip>：Master節點的公網IP地址。

    • <celeborn-master-port>：固定值9097。

    高可用叢集時配置所有Master節點的IP地址。

    spark.sql.adaptive.enabled

    Celeborn支援Adaptive Execution，關閉Local Shuffle Reader可以獲得最佳的Shuffle效能。

    各參數值需要修改為true、false和true。

    spark.sql.adaptive.localShuffleReader.enabled

    spark.sql.adaptive.skewJoin.enabled

    Spark服務支援一鍵配置使用Celeborn服務。

    • EMR-5.11.1及之後版本，EMR-3.45.1及之後版本

      可以在Spark服務状态頁面的服务概述地區，開啟或關閉enableCeleborn開關。

    • EMR-5.11.0版本，EMR-3.45.0版本

      可以在Spark服務状态頁面的组件列表地區，選擇SparkThriftServer操作列的more > enableCeleborn或more > disableCeleborn。選擇後會自動修改上文表格中的Spark配置項並重啟SparkThriftServer，同時會修改spark-defaults.conf和spark-thriftserver.conf兩個設定檔。

      • 選擇more > enableCeleborn，所有的Spark任務都使用Celeborn服務。

      • 選擇more > disableCeleborn，所有的Spark任務都不使用Celeborn服務。

    Celeborn配置

    您可以在Celeborn服務配置頁面，修改或查看Celeborn所有的配置項。

    重要

    針對不同的節點群組（例如CORE或TASK）各配置項的值是不同的。

    參數

    描述

    預設值

    celeborn.worker.flusher.threads

    磁碟（HDD或者SSD）的刷盤線程數。

    • HDD磁碟預設是1。

    • SSD磁碟預設是8。

    CELEBORN_WORKER_OFFHEAP_MEMORY

    Worker堆外記憶體大小。

    根據叢集配置自動計算。

    celeborn.application.heartbeat.timeout

    Application心跳逾時時間，逾時會清理Application相關資源。

    120s

    celeborn.worker.flusher.buffer.size

    Flush buffer大小，超過最大值會觸發刷盤。

    256K

    celeborn.metrics.enabled

    是否開啟監控。取值如下：

    • true：開啟監控。

    • false：不開啟監控。

    true

    CELEBORN_WORKER_MEMORY

    Worker堆內記憶體大小。

    1g

    CELEBORN_MASTER_MEMORY

    Master堆內記憶體大小。

    2g

    重啟Celeborn組件

    1. 在Celeborn服務的状态頁面，選擇CelebornMaster組件操作列的more > restart_clean_meta。

      說明

      如果是非高可用叢集，您也可以單擊CelebornMaster組件操作列的重启。

    2. 在彈出的對話方塊中，關閉滚动执行開關，輸入執行原因，單擊确定。

    3. 在彈出的對話方塊中，單擊确定。