我有一个很大的边列表作为5000分区RDD。现在，我做的很简单但是 洗牌重的操作：
val g = Graph.fromEdges(edges, ...).partitionBy(...)
val subs = Graph(g.collectEdges(...), g.edges).collectNeighbors()
subs.saveAsObjectFile("hdfs://...")
该工作分为9个阶段（每个5000个任务）。我的群集在同一本地网络中有3名工作人员。
尽管Spark 1.5.0的工作速度要快得多，并且前几个阶段在满载时运行，
从其中一个阶段（mapPartitions at GraphImpl.scala:235）开始，一台机器突然完成了99％的任务
而其他人则承担与核心一样多的任务，并且这些任务保持RUNNING直到实际工作的一台机器
完成一切。有趣的是，在Spark 1.3.1上，所有阶段都可以分配任务
在集群机器之间平均分配。我怀疑这可能是1.5.0中的错误
UPD：看起来问题与数据无关：我随机生成了一个高度齐次的图（每个顶点都有5度）并观察到相同的行为。所以这是一个奇怪的硬件问题或与钨有关的问题。仍然没有确切答案