数据倾斜：修订历史

2024年12月26日 (星期四)

• 当前之前 11:012024年12月26日 (四) 11:01‎ 阿奔 讨论 贡献‎ 2,292字节 +2,292‎ 创建页面，内容为“数据倾斜：在并行进行数据处理的时候，由于单个 partition 的数据显著多余其他部分，分布不均匀，导致大量数据集中分布到少数计算节点上，使得该部分的处理速度远低于平均计算速度，成为整个数据集处理的瓶颈，从而影响整体计算性能。 === 原因 === # 对于 join 过程来说，如果出项较多的 key 值为空或异常的记录，或 key 值分布不均匀，就容易出…”