使用 RAPIDS 加速 APACHE SPARK 3.0.pdf

《使用 RAPIDS 加速 APACHE SPARK 3.0.pdf》由会员分享，可在线阅读，更多相关《使用 RAPIDS 加速 APACHE SPARK 3.0.pdf（51页珍藏版）》请在三个皮匠报告上搜索。

1、NVIDIA使用RAPIDS加速APACHESPARK3.0Alessandro Bellina and Jason Lowe， 10/6/2020Allen Xu and Liangcai Li，12/15/2020#page#AGENDA用于ApacheSpark的RAPIDS加速器工作原理加速Shuffle0.2版本中的亮点0.3版本中的计划#page#RAPIDS ACCELERATOR FORAPACHE SPARK 3.0#page#加速的ETL？GPU可以让大象跑得更快吗？Https:/Wwpigsels.co#page#是的TPCX-BBLike指标测试结票（10TB数据集，2

2、NodesDGX-2集群）Query Time:GPU Vs CPU (Mins）ime（mins）Query#21Query#5Query#16Query#22DCPU25.956.167.133.80GPU1.311.160.560.14环境：2DGX-2（96CPUCores，1.5TB内存16V100GPUS，512GBGPU内存/每个节点）非官方、完整的TPCX-BB测试（仅ETL）#page#端到端的DLRM在CRITEO数据集上的表现Spark ETL+训练CriteoDataset(1TB）45.0是最初实现的160x是纯CPU方式的48x（4%费用）（sinoH）是传统方式的

3、10x（1/6费用）Time144.045.00.705072Original CPU (1 Core forSpark CPU(96 Core for ETL）SparkGPU8-V100forETLSpark CPU (96 Core for ETLETL96Core CPU for&SparkGPU(1-V100&Training）&1-V100Training）Training）Training）0745.045.007Training0.5ETL144.012.112.1#page#“The more you buy，tthe more yousave.”Jensen Huang，G

4、TC 2020#page#spark.conf.set(“spark.rapids.sql.enabled”，“true）start=time.time（）Spark.sql(selecto_orderpriority，count(*）as order_countfrom无需代码更改orderswhere（none）date1993-07-01o_orderdateand o_orderdate date 1993-87-01+interval 3 monthand exists（相同的SQLandDataFrame代码，selectfromLineitemwhereLorderkey = o

5、_orderkeyand LcommitdateString=fuserNameGpuProjectEquality（=，=）if（userhif(NOT（cast(valuew106Foo)asint）=0）me.equalsiFoohellohellolelsefelseBitwisegoodbye“good byeAS myUDFValUe）#136Scala.mathThe UDF is compiledto catalystNVIDIAUDF PluginOpaque to Spark:scalasspark.sqlCselectvalue，myuDFvalue）fromType c

6、astsdemo）.collectSELECT myuDFicol） FROM tableres57:Arraylorgapache.spark.sql.RowProject String opsArrayFoo，hello，Bar,goodbyej）myuDF(value#106）ASmyuDF(value）梦131More Support plannedExperimental feature in RAPIDS Accelerator for Apache Spark 0.2#page#加速PANDASUDFS两个方面Spark Pandas UDFs实现对Python进程的GPU资源管