問題1：reduce task數目不合適
解決方案：
需要根據實際情況調整默認配置，調整方式是修改參數Spark.default.parallelism。通常的，reduce數目設置爲core數目的2-3倍。數量太大，造成很多小任務，增加啓動任務的開銷；數目太小，任務運行緩慢。所以要合理修改reduce的task數目即Spark.default.parallelism
問題2：shuffle磁盤IO時間長
解決方案：
設置spark.local.dir爲多個磁盤，並設置磁盤的IO速度快的磁盤，通過增加IO來優化shuffle性能；
問題3：map|reduce數量大，造成shuffle小文件數目多
解決方案：
通過設置spark.shuffle.consolidateFiles爲true，來合併shuffle中間文件，此時文件數爲reduce tasks數目；
問題4：序列化時間長、結果大
解決方案：
spark默認使用JDK 自帶的ObjectOutputStream，這種方式產生的結果大、CPU處理時間長，可以通過設置spark.serializer爲org.apache.spark.serializer.KeyoSerializer。
另外如果結果已經很大，那就最好使用廣播變量方式了，結果你懂得。
問題5：單條記錄消耗大
解決方案：
使用mapPartition替換map，mapPartition是對每個Partition進行計算，而map是對partition中的每條記錄進行計算；
問題6 : collect輸出大量結果時速度慢
解決方案：
collect源碼中是把所有的結果以一個Array的方式放在內存中，可以直接輸出到分佈式的文件系統，然後查看文件系統中的內容；
問題7: 任務執行速度傾斜
解決方案：
如果數據傾斜，一般是partition key取得不好，可以考慮其他的並行處理方式，並在中間加上aggregation操作；如果是Worker傾斜，例如在某些Worker上的executor執行緩慢，可以通過設置spark.speculation=true 把那些持續慢的節點去掉；
問題8: 通過多步驟的RDD操作後有很多空任務或者小任務產生
解決方案：
使用coalesce或者repartition去減少RDD中partition數量；
問題9：Spark Streaming吞吐量不高
解決方案：
可以設置spark.streaming.concurrentJobs
問題10：Spark Streaming 運行速度突然下降了，經常會有任務延遲和阻塞
解決方案：
這是因爲我們設置job啓動interval時間間隔太短了，導致每次job在指定時間無法正常執行完成，換句話說就是創建的windows窗口時間間隔太密集了；