hadoop - 在 Spark-on-Yarn 中配置执行器和驱动程序内存

Question

我对在 Spark-1.5.2 中配置执行程序和驱动程序内存感到困惑。

我的环境设置如下:

3 Node MAPR Cluster - Each Node: Memory 256G, 16 CPU 
Hadoop 2.7.0 
Spark 1.5.2 - Spark-on-Yarn

输入数据信息:

来自 Hive 的 460 GB Parquet 格式表我正在使用 spark-sql 通过 spark-on-yarn 查询 hive 上下文，但它比 Hive 慢很多，而且我不确定 Spark 的内存配置是否正确，

这些是我的配置，

    export SPARK_DAEMON_MEMORY=1g
    export SPARK_WORKER_MEMORY=88g

    spark.executor.memory              2g
    spark.logConf                      true
    spark.eventLog.dir                 maprfs:///apps/spark
    spark.eventLog.enabled             true
    spark.serializer                   org.apache.spark.serializer.KryoSerializer
    spark.driver.memory                5g
    spark.kryoserializer.buffer.max    1024m

如何避免Spark java.lang.OutOfMemoryError: Java堆空间异常和GC 开销限制超出异常!! ???

非常感谢您在这方面的帮助!

Answer 1

乍一看，您正在用尽执行程序的内存。我建议增加他们的内存力。

请注意，SPARK_WORKER_MEMORY 仅在独立模式下使用。 SPARK_EXECUTOR_MEMORY 用于 YARN 模式。

如果您没有在集群上运行任何其他东西，您可以尝试以下配置:

spark.executor.memory   16g
spark.executor.cores    1
spark.executor.instances 40
spark.driver.memory  5g (make it bigger if expected 
                         final result dataset is larger)

我不建议设置较大的执行程序内存，因为这通常会增加 GC 时间。我看到的另一件事是，这些实例是内存优化的。如果这适合您的情况，请三思。