我正在尝试在我的大约700万观察的训练样本上训练一个NaiveBayes模型 . 对于每次观察，我都有一个约27,000个特征的SparseVector . 我通过ipython笔记本使用Spark 2.0 .
我在一个有4名工作人员的集群上运行它，每个人都有一个带有40 GB RAM和8个内核的 Actuator . 该驱动程序具有32 GB的RAM . Spark UI显示跨越100个分区的18.4 GB的数据集 .
模型拟合开始，但过了一段时间我得到以下OOM错误 .
我试图找出一种方法来估计执行此拟合的RAM要求 . 有没有可靠的方法来计算估算值？
此外，我正在为每个执行程序分配40gb，并可以在spark主Web UI页面上确认它 . 但是，当我进入应用程序详细信息ui并单击Executors时，它会显示每个只有21.2 GB . 为什么会这样？
提前致谢
这是转储：
Py4JJavaError: An error occurred while calling o2392.fit.
: java.lang.OutOfMemoryError: Java heap space
at scala.collection.mutable.ArrayBuilder$ofDouble.mkArray(ArrayBuilder.scala:518)
at scala.collection.mutable.ArrayBuilder$ofDouble.resize(ArrayBuilder.scala:524)
at scala.collection.mutable.ArrayBuilder$ofDouble.ensureSize(ArrayBuilder.scala:536)
at scala.collection.mutable.ArrayBuilder$ofDouble.$plus$plus$eq(ArrayBuilder.scala:549)
at scala.collection.mutable.ArrayBuilder$ofDouble.$plus$plus$eq(ArrayBuilder.scala:511)
at scala.collection.mutable.ArrayOps$$anonfun$flatten$2.apply(ArrayOps.scala:83)
at scala.collection.mutable.ArrayOps$$anonfun$flatten$2.apply(ArrayOps.scala:82)
at scala.collection.IndexedSeqOptimized$class.foreach(IndexedSeqOptimized.scala:33)
at scala.collection.mutable.ArrayOps$ofRef.foreach(ArrayOps.scala:186)
at scala.collection.mutable.ArrayOps$class.flatten(ArrayOps.scala:82)
at scala.collection.mutable.ArrayOps$ofRef.flatten(ArrayOps.scala:186)
at org.apache.spark.mllib.classification.NaiveBayesModel.<init>(NaiveBayes.scala:56)
at org.apache.spark.mllib.classification.NaiveBayes.run(NaiveBayes.scala:433)
at org.apache.spark.mllib.classification.NaiveBayes$.train(NaiveBayes.scala:507)
at org.apache.spark.ml.classification.NaiveBayes.train(NaiveBayes.scala:106)
at org.apache.spark.ml.classification.NaiveBayes.train(NaiveBayes.scala:76)
at org.apache.spark.ml.Predictor.fit(Predictor.scala:90)
at org.apache.spark.ml.Predictor.fit(Predictor.scala:71)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:237)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
at py4j.Gateway.invoke(Gateway.java:280)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:128)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:211)
at java.lang.Thread.run(Thread.java:745)