Apache spark 火花内存不足错误
我的spark程序在小数据集(约400GB)上运行良好 然而,当我将其扩展到大型数据集时。我开始得到错误Apache spark 火花内存不足错误,apache-spark,out-of-memory,Apache Spark,Out Of Memory,我的spark程序在小数据集(约400GB)上运行良好 然而,当我将其扩展到大型数据集时。我开始得到错误java.lang.OutOfMemoryError:java堆空间或java.lang.OutOfMemoryError:请求的数组大小超过VM限制 我的程序是这样的: sc.textFile->map->filter->groupBy->saveAsObjectFile groupBy生成RDD[(int,可迭代[A])类型的结果 错误发生在saveAsObjectFile中。 我能想到的
java.lang.OutOfMemoryError:java堆空间
或java.lang.OutOfMemoryError:请求的数组大小超过VM限制
我的程序是这样的:
sc.textFile->map->filter->groupBy->saveAsObjectFile
groupBy
生成RDD[(int,可迭代[A])类型的结果
错误发生在saveAsObjectFile
中。
我能想到的唯一原因是:
在groupBy
步骤中,某些键包含太大的数据。
但是我用蜂巢检查了所有的钥匙,最大的是33008。
A类也不是很大
我的配置是:
-驱动程序内存20G--num executors 120--executor内存30G
Spark版本:1.4
15/07/03 07:05:06 ERROR ActorSystemImpl: Uncaught fatal error from thread
[sparkDriver-akka.remote.default-remote-dispatcher-5] shutting down ActorSystem [sparkDriver]
java.lang.OutOfMemoryError: Java heap space
at java.util.Arrays.copyOf(Arrays.java:2271)
at java.io.ByteArrayOutputStream.grow(ByteArrayOutputStream.java:113)
at java.io.ByteArrayOutputStream.ensureCapacity(ByteArrayOutputStream.java:93)
at java.io.ByteArrayOutputStream.write(ByteArrayOutputStream.java:140)
at java.io.ObjectOutputStream$BlockDataOutputStream.drain(ObjectOutputStream.java:1876)
at java.io.ObjectOutputStream$BlockDataOutputStream.setBlockDataMode(ObjectOutputStream.java:1785)
at java.io.ObjectOutputStream.writeObject0(ObjectOutputStream.java:1188)
at java.io.ObjectOutputStream.writeObject(ObjectOutputStream.java:347)
at akka.serialization.JavaSerializer$$anonfun$toBinary$1.apply$mcV$sp(Serializer.scala:129)
at akka.serialization.JavaSerializer$$anonfun$toBinary$1.apply(Serializer.scala:129)
at akka.serialization.JavaSerializer$$anonfun$toBinary$1.apply(Serializer.scala:129)
at scala.util.DynamicVariable.withValue(DynamicVariable.scala:57)
at akka.serialization.JavaSerializer.toBinary(Serializer.scala:129)
at akka.remote.MessageSerializer$.serialize(MessageSerializer.scala:36)
at akka.remote.EndpointWriter$$anonfun$serializeMessage$1.apply(Endpoint.scala:845)
at akka.remote.EndpointWriter$$anonfun$serializeMessage$1.apply(Endpoint.scala:845)
at scala.util.DynamicVariable.withValue(DynamicVariable.scala:57)
at akka.remote.EndpointWriter.serializeMessage(Endpoint.scala:844)
at akka.remote.EndpointWriter.writeSend(Endpoint.scala:747)
at akka.remote.EndpointWriter$$anonfun$2.applyOrElse(Endpoint.scala:722)
at akka.actor.Actor$class.aroundReceive(Actor.scala:465)
at akka.remote.EndpointActor.aroundReceive(Endpoint.scala:415)
at akka.actor.ActorCell.receiveMessage(ActorCell.scala:516)
at akka.actor.ActorCell.invoke(ActorCell.scala:487)
at akka.dispatch.Mailbox.processMailbox(Mailbox.scala:238)
at akka.dispatch.Mailbox.run(Mailbox.scala:220)
驱动程序OutOfMemory的快速解决方案是使用“spark.driver.memory”属性增加驱动程序内存 下面的文章可能有助于驱动程序和执行器的内存分配 还要注意
GroupByKey
是成本更高的操作。所以尽量避免使用reduceByKey
您的作业可能是不平衡的,所以一些分区会获得很多键(及其值)。您可以尝试添加更多分区和/或编写自定义分区器,根据您对数据的了解来平衡分区这是来自驱动程序还是执行程序的错误消息?@VijayInnamuri问题已更新。似乎来自于司机。但哪一步可能导致如此巨大的内存。我已经给它20克了