我在独立模式下运行spark集群,使用spark-submit运行应用程序 . 在火花UI阶段我发现执行阶段有大的执行时间(> 10h,通常时间~30秒) . 舞台有许多失败的任务,错误 Resubmitted (resubmitted due to lost executor)
. 在舞台页面的 Aggregated Metrics by Executor
部分中有地址 CANNOT FIND ADDRESS
的执行者 . Spark试图无限地重新提交此任务 . 如果我杀了这个阶段(我的应用程序自动重新运行未完成的火花作业),所有都继续正常工作 .
此外,我在spark日志中发现了一些奇怪的条目(与阶段执行开始同时) .
主:
16/11/19 19:04:32 INFO Master: Application app-20161109161724-0045 requests to kill executors: 0
16/11/19 19:04:36 INFO Master: Launching executor app-20161109161724-0045/1 on worker worker-20161108150133
16/11/19 19:05:03 WARN Master: Got status update for unknown executor app-20161109161724-0045/0
16/11/25 10:05:46 INFO Master: Application app-20161109161724-0045 requests to kill executors: 1
16/11/25 10:05:48 INFO Master: Launching executor app-20161109161724-0045/2 on worker worker-20161108150133
16/11/25 10:06:14 WARN Master: Got status update for unknown executor app-20161109161724-0045/1
Worker :
16/11/25 10:06:05 INFO Worker: Asked to kill executor app-20161109161724-0045/1
16/11/25 10:06:08 INFO ExecutorRunner: Runner thread for executor app-20161109161724-0045/1 interrupted
16/11/25 10:06:08 INFO ExecutorRunner: Killing process!
16/11/25 10:06:13 INFO Worker: Executor app-20161109161724-0045/1 finished with state KILLED exitStatus 137
16/11/25 10:06:14 INFO Worker: Asked to launch executor app-20161109161724-0045/2 for app.jar
16/11/25 10:06:17 INFO SecurityManager: Changing view acls to: spark
16/11/25 10:06:17 INFO SecurityManager: Changing modify acls to: spark
16/11/25 10:06:17 INFO SecurityManager: SecurityManager: authentication disabled; ui acls disabled; users with view permissions: Set(spark); users with modify permissions: Set(spark)
网络连接没有问题,因为worker,master(上面的日志),驱动程序在同一台机器上运行 .
Spark 1.6.1版
2 回答
可能日志中有趣的部分是这样的:
退出
137
强烈建议资源问题,无论是内存还是CPU内核 . 鉴于您可以通过重新运行阶段来解决问题,可能是某些核心已经分配(也许您还运行了一些Spark shell?) . 这是独立Spark设置的常见问题(一台主机上的所有内容) .无论哪种方式,我都会按顺序尝试以下事项:
提升存储内存派系
spark.storage.memoryFraction
以预先分配更多内存用于存储,并防止系统OOM杀手在大舞台上随机提供137
.为应用程序设置较低数量的核心,以排除在运行阶段之前预先分配这些核心的内容 . 您可以通过
spark.deploy.defaultCores
执行此操作,将其设置为3或甚至2(在假设8个vcores的intel四核上)Outright为Spark分配更多内存 - >
spark.executor.memory
需要上升 .也许你在这里遇到了元数据清理的问题,在本地部署中也不是闻所未闻,在这种情况下添加
export SPARK_JAVA_OPTS +="-Dspark.kryoserializer.buffer.mb=10 -Dspark.cleaner.ttl=43200"
到最后spark-env.sh
可以通过强制元数据清理更频繁地运行来解决问题在我看来,其中一个应该成功 .
阿明的答案非常好 . 我只想指出对我有用的东西 .
当我增加参数时,同样的问题就消失了:
spark.default.parallelism
从28(这是我拥有的执行者数量)到84(这是可用核心数) .NOTE: 这不是设置此参数的规则,这只适用于我 .
UPDATE :此方法也由Spark's documentation支持: