在纱线上配置执行程序和驱动程序内存

Question

我对在Spark 1.5.2中配置执行程序和驱动程序内存感到困惑。

我的环境设置如下：

3 Node MAPR Cluster - Each Node: Memory 256G, 16 CPU 
Hadoop 2.7.0 
Spark 1.5.2 - Spark-on-Yarn

输入数据信息：

Hive的460 GB Parquet格式表我正在使用spark-sql通过spark-on-yarn查询hive上下文，但是它比Hive慢很多，并且不确定Spark的内存配置是否正确，

这些是我的配置

    export SPARK_DAEMON_MEMORY=1g
    export SPARK_WORKER_MEMORY=88g

    spark.executor.memory              2g
    spark.logConf                      true
    spark.eventLog.dir                 maprfs:///apps/spark
    spark.eventLog.enabled             true
    spark.serializer                   org.apache.spark.serializer.KryoSerializer
    spark.driver.memory                5g
    spark.kryoserializer.buffer.max    1024m

如何避免Spark java.lang.OutOfMemoryError：Java堆空间异常和GC开销限制超出了异常！ ???

非常感谢您的协助！

Answer 1

乍一看，您耗尽了执行程序的内存。 我建议增加他们的记忆力。

请注意，SPARK_WORKER_MEMORY仅在独立模式下使用。 SPARK_EXECUTOR_MEMORY在YARN模式下使用。

如果您没有在集群上运行其他任何东西，则可以尝试以下配置：

spark.executor.memory   16g
spark.executor.cores    1
spark.executor.instances 40
spark.driver.memory  5g (make it bigger if expected 
                         final result dataset is larger)

我不建议设置较大的执行程序内存，因为这通常会增加GC时间。 我看到的另一件事是，这些实例是内存优化的。 如果适合您的情况，请三思。