apache-spark - 由于执行者丢失导致洗牌阶段失败

Question

当我的 spark 作业失败时，我收到以下错误 **“org.apache.spark.shuffle.FetchFailedException:维护要获取的 block 数据的相对远程执行程序(Id:21)已死。” **

我的 spark 作业概览

输入大小约为 35 GB

我已经广播将所有较小的表与母表连接成一个 dataframe1，然后我在每个大表和 dataframe1 上加盐，然后再与 连接dataframe1(左表)。

使用的配置文件:

@configure(profile=[
     'EXECUTOR_MEMORY_LARGE',
     'NUM_EXECUTORS_32',
     'DRIVER_MEMORY_LARGE',
     'SHUFFLE_PARTITIONS_LARGE'
])

使用上述方法和配置文件，我能够将运行时间减少 50%，但我仍然遇到Shuffle Stage Failing Due to Executor Loss 问题。

有什么办法可以解决这个问题吗？

Answer 1

您可以尝试多种方法:

1. 广播连接:如果您使用广播提示连接多个较小的表，那么(许多较小表的)结果表可能太大而无法容纳在每个执行程序内存中。因此，您需要查看 dataframe1 的总大小。
2. 35GB 确实不大。也可以尝试配置文件“EXECUTOR_CORES_MEDIUM”，它确实增加了数据计算的并行性。使用动态分配(16 个执行程序应该适合 35GB)而不是静态分配。如果一次没有 32 个执行程序可用，则构建不会开始。 “DRIVER_MEMORY_MEDIUM”应该足够了。
3. Spark 3.0 通过自适应查询执行自行处理倾斜连接。所以，你不需要使用加盐技术。有一个名为“ADAPTIVE_ENABLED”的配置文件，您可以使用代工厂。自适应查询执行的其他设置，您必须使用 Foundry 随时可用的“ctx”spark 上下文对象手动设置。

AQE 的一些引用资料: https://learn.microsoft.com/en-us/azure/databricks/spark/latest/spark-sql/aqe https://spark.apache.org/docs/latest/sql-performance-tuning.html#adaptive-query-execution