Spark 内存管理之StaticMemoryManager

概要

Spark 内存管理概述 介绍了内存管理接口MemoryManager对内存的大致划分，这篇研究其子类StaticMemoryManager，静态内存管理器，的行为，主要是各部分内存的占比。StaticMemoryManager是Spark 1.6之前唯一的内存管理器。

StaticMemoryManager

Spark 内存管理概述 介绍了MemoryManager的UML，StaticMemoryManager继承自MemoryManager，如下

StaticMemoryManager分别使用ExecutionMemoryPool、StorageMemoryPool管理execution、storage、unroll内存，UML如下

内存管理

回顾MemoryManager

MemoryManager将内存划分为如下几部分，接下来研究静态内存管理中下面各部分占比

静态内存管理

之所以称为静态内存管理，是因为storage、execution内存占比和界限是固定的。看下代码中对storage、execution、unroll内存大小的限制

1. storage
   
2. execution
   
3. unroll
   

总结如下

storage	0.6	storage-safety	0.6 * 0.9 * (1.0-0.2)
		unroll	0.6 * 0.9 * 0.2
		storage-reserved	0.6 * 0.1
execution	0.2	execution-safety	0.2 * 0.8
		execution-reserved	0.2 * 0.2
other	0.2

饼图表示如下

因为无法准确计算实际使用中的内存，因此，storage、execution都会保留一部分内存，就是上图中的storage-reserved、execution-reserved。

设置

spark 1.6版本之后默认使用统一资源管理器，由参数spark.memory.useLegacyMode控制，如下

总结

介绍StaticMemoryManager的结构，及其管理的内存storage、execution、unroll等占比，这里所说的管理只是数值的维护。

参考:
饼图工具–lizibuluo