sparkOOM

解决sparkOOM

定位oom发生的位置
明确发生OOM的位置是在executor端还是driver端。

先来看driver端

dirver主要是负责任务的调度,参与少量的任务计算。大部分情况下如果发生driver端的oom应该是参与少量的任务计算导致的。
少量的任务计算是什么呢?
具体来说包括两部分:
1、创建数据集,例如makerdd等方法创建rdd。
2、收集计算结果,例如collect操作,讲所有结果数据拉取到driver端,这也是最容易造成driver端oom的。这里有一点比较容易被忽视,就是创建广播变量。创建广播变量的原理是首先把各个executor中的数据汇总起来,在driver端构建广播变量,然后再分发出去。这里汇总起来本质上就是collect。
报错信息通常是:

java.lang.OutOfMemoryError: Not enough memory to build and broadcast

我们需要评估数据集大小然后通过spark.driver.memory配置项更改driver端内存大小

再来看看executor端
大家指导executor分为四块内存,分别是reserved、storage、execution、user ,其中reserved是预留空间默认是300m,一般不受用户控制,storage部分即使空间不够也会根据cache策略选择落盘或者丢弃,所以不存在oom。

usermemory:

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
SparkOOM(Out of Memory)问题的本质是由于内存不足导致的。在执行Spark任务时,如果数据分片与execution memory的大小不匹配,就容易出现OOM问题。其中常见的两种场景是数据倾斜和计算过程中出现OOM问题。 数据倾斜是指在数据处理过程中,某些分片的数据量远超过其他分片,导致部分节点的内存消耗过大。这可能是由于数据集中存在一些特别大或者特别频繁的数据,导致某些分片的数据量非常庞大。在处理这种情况时,可以采用数据倾斜的处理方式,例如使用一些特殊的算法或者调整数据的分片方式,以平衡数据的大小和分布。 另一种常见的情况是在计算过程中出现OOM问题。例如,在计算embedding vector求和过程中,代码中的一个循环导致了内存消耗过大。在这种情况下,可能需要优化代码逻辑或者调整计算方式,以减少内存的消耗。例如,可以尝试使用更高效的算法或者数据结构,或者将计算过程分为多个阶段,减少每个阶段的内存消耗。 总之,SparkOOM问题的本质是由于内存不足导致的。解决这类问题需要根据具体情况进行优化,例如调整数据分片方式、优化代码逻辑或者使用更高效的算法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [sparkOOM](https://blog.csdn.net/weixin_43757562/article/details/122819421)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [[Spark] OOM问题及解决方案](https://blog.csdn.net/mouliu6141/article/details/108172748)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我不认识CBW

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值