Spark内存管理概述

---

概述

Spark作为一个基于内存的分布式计算引擎，其内存管理模块在整个系统中占据着非常重要的角色。理解Spark内存管理的基本原理，有助于更好地开发Spark应用程序和进行性能调优。本系列文章，旨在梳理出Spark内存管理的脉络。本文中的源码基于Spark 2.4.+版本。阅读本文需要读者有一定的Spark和Java基础，了解RDD、Shuffle、JVM等相关概念。

1. 新旧内存管理器交替

在Spark1.6之前的版本中，采用的是StaticMemoryManager作为唯一的内存管理器，而StaticMemoryManager中，Storage Memory和Execution Memory的大小是固定的。这会导致很多的闲置浪费。
在Spark1.6之后的版本，则采用了新的内存管理器–UnifiedMemoryManager。得益于它的动态占用机制，内存的浪费缺陷，得到了很好的优化。

不过，无论是StaticMemoryManager还是UnifiedMemoryManager，均是继承自接口MemoryManager。

2. 内存管理相关组件

组件	说明
MemoryManager	内存管理器的抽象类，将内存主要划分为Storage、Execution和other三类（还有一个系统预留内存，先不管）。
TaskMemoryManager	不是MemoryManager的子类，而是在内部定义了一个MemoryManager，用于管理那个Task的内存。 TaskMemoryManager在Task.run()时创建
StaticMemoryManager	spark 1.6之前的静态内存管理器，通过配置useLegacyMemoryManager=true启用，默认关闭
UnifiedMemoryManager	spark 1.6新加入的统一资源管理器，默认使用。优势在于其动态占用机制
MemoryStore	由BlockManager创建。主要作用为管理内存中的block，即管理storage这部分内存
MemoryPool	用于记录storage、execution内存的使用情况，对应子类分别为StorageMemoryPool、ExecutionMemoryPool

MemoryManager

内存管理器的抽象类，将内存主要划分为Storage、Execution、other、系统预留内存四类（Storage内部还有unroll）。每一个 JVM 会产生一个 MemoryManager 来负责管理内存。

• MemoryManager 构造时，需要指定 onHeapStorageMemeory和 onHeapExecutionMemory 的参数。
• MemoryManager 构造时，还会创建 StorageMemoryPool 和 ExecutionMemoryPool 对象，用来管理 Storage 和 Execution 的内存分配。
  • StorageMemoryPool中有一个memoryUsed记录Storage已使用的内存
  • ExecutionMemoryPool中有一个HashMap 来存储每个 Task 的内存使用量，相加即可得到Execution已使用内存。
• MemoryManager会被BlockManager管理。而MemoryStore则会被BlockManager创建，MemoryStore是BlockManager用于与MemoryManager交互的媒介，完成内存操作，完成。(参见Spark存储管理之Storage模块解析中 1.2.1 BlockManager和BlockManagerMaster的创建 和  1.2.2 MemoryStore和DiskStore的创建)。
  
  从上图可以看出来，MemoryManager管理堆内、堆外的内存，堆内内存是必须的。查看其Outline：
  
  说明：
• 从源码中的类分析可以看出来，MemoryMnager只是作为一个接口提供了内存的抽象的申请(acquire)释放(Release)方法，具体的实现放在子类中。
• Memory主要管理Storage和Execution内存。申请和释放主要涉及Storage、Execution、unRoll这三部分。
• MemoryManager还引入了Tungsten内存管理模式。

查看子类继承关系：

内存划分

这里只是列出了堆内内存的划分，具体的请参考Spark内存管理之堆内/堆外内存原理详解。

分区	说明
Execution 内存	主要用于存放 Shuffle、Join、Sort、Aggregation 等计算过程中的临时数据
Storage 内存	主要用于存储 spark 的 cache 数据，例如RDD的缓存、unroll数据。   Unroll : 是指 BlockManager收到iterator形式的数据，最终存放到内存的过程。Unroll占用的是Storage的内存
Others(User Memory)	主要用于存储 RDD 转换操作所需要的数据，例如 RDD 依赖等信息
Reserved Memory	系统预留内存，会用来存储Spark内部对象，属于系统内存，用户接触不到

上面各部分所占比例由内存管理器实现类StaticMemoryManager、UnifiedMemoryManager确定

系列文章

• Spark内存管理概述
• Spark内存管理之堆内/堆外内存原理详解
• Spark内存管理之存储内存管理
• Spark内存管理之执行内存管理
• Spark存储管理之Storage模块解析