我们目前遇到的问题是,在YARN上运行时,Spark作业看到许多容器因超出内存限制而被杀死 .
16/11/18 17:58:52 WARN TaskSetManager: Lost task 53.0 in stage 49.0 (TID 32715, XXXXXXXXXX):
ExecutorLostFailure (executor 23 exited caused by one of the running tasks)
Reason: Container killed by YARN for exceeding memory limits. 12.4 GB of 12 GB physical memory used.
Consider boosting spark.yarn.executor.memoryOverhead.
以下参数通过spark-submit传递:
--executor-memory=6G
--driver-memory=4G
--conf "spark.yarn.executor.memoryOverhead=6G"`
我正在使用Spark 2.0.1 .
在阅读了几篇有关YARN查杀容器的帖子(例如How to avoid Spark executor from getting lost and yarn container killing it due to memory limit?)之后,我们已将memoryOverhead增加到此值 .
鉴于我的参数和日志消息,它似乎“当内存使用量大于(executor-memory executor.memoryOverhead)时,Yarn会终止执行程序” .
继续增加这种开销是不切实际的,希望最终我们找到一个不会发生这些错误的值 . 我们在几个不同的工作中看到了这个问题 . 我将不胜感激任何关于我应该改变的参数的建议,我应该检查的东西,我应该开始寻找调试这个等等 . 我能够提供进一步的配置选项等 .
1 回答
您可以使用
spark-defaults.conf
中的以下配置减少内存使用量:当您为
spark.sql.shuffle.partitions
使用超过2000个分区时,会有所不同 . 你可以在Github上的spark代码中看到它:我建议尝试使用超过2000个分区进行测试 . 当你使用非常庞大的数据集时,它可能会更快一些 . 根据this,您的任务可以短至200毫秒 . 正确的配置不容易找到,但根据您的工作量,它可以产生不同的小时数 .