Apache spark Spark应用程序杀死执行器

我在独立模式下运行spark cluster，并使用spark提交应用程序。在spark UI阶段部分，我发现执行阶段的执行时间很长（>10h，通常为30秒）。阶段有许多失败的任务，错误

已重新提交（由于执行器丢失而重新提交）

。在“阶段”页面的“按执行者聚合的度量”部分中，存在地址为“代码”的执行者无法找到地址。Spark尝试无限期地重新提交此任务。如果我关闭了这个阶段（我的应用程序会自动重新运行未完成的spark作业），所有这些都会继续正常工作

我还在spark日志中发现了一些奇怪的条目（与阶段执行开始时间相同）

大师：

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

工人：

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）和驱动程序运行在同一台机器上

---

Spark版本1.6.1很可能日志中有趣的部分是：

16/11/25 10:06:13 INFO Worker: Executor app-20161109161724-0045/1 finished with state KILLED exitStatus 137

退出

137

强烈建议内存或cpu内核出现资源问题。 考虑到你可以通过重新运行这个阶段来解决你的问题，可能所有的内核都已经分配好了（也许你还运行了一些Spark shell？）。 这是独立Spark设置（一台主机上的所有设备）的常见问题

无论哪种方式，我都会按顺序尝试以下内容：

提高存储内存分配

spark.storage.memoryFraction

以预分配更多内存用于存储，并防止系统在大舞台上随机分配

137

为应用程序设置较低的核心数，以排除在运行阶段之前预先分配这些核心的情况。您可以通过

spark.deploy.defaultCores

执行此操作，将其设置为3甚至2（在英特尔四核上，假设8个vcores）

直接将更多RAM分配给Spark->

Spark.executor。内存需要增加

可能您在这里遇到了元数据清理问题，在本地部署中也并非闻所未闻，在本例中添加

export SPARK\u JAVA\u OPTS+=”-Dspark.kryoserializer.buffer.mb=10-Dspark.cleaner.ttl=43200“

最后，您的

SPARK env.sh

可能会通过强制更频繁地运行元数据清理来实现这一目的

---

在我看来，其中一个应该会起作用。

阿明的回答很好。我只是想指出对我有用的东西

当我增加参数时，同样的问题消失了：

spark.default.parallelism

从28（我拥有的执行器数量）到84（可用内核数量）

注意：这不是设置此参数的规则，这仅适用于我

更新：此方法还得到以下支持：

有时，您会出现OutOfMemory错误，这不是因为RDD不适合内存，而是因为您的一个任务（例如groupByKey中的一个reduce任务）的工作集太大。Spark的shuffle操作（sortByKey、groupByKey、reduceByKey、join等）在每个任务中构建一个哈希表来执行分组，而分组通常可能很大这里最简单的修复方法是提高并行度，使每个任务的输入集更小。Spark可以有效地支持短至200毫秒的任务，因为它在多个任务中重用一个executor JVM，并且任务启动成本较低，因此，您可以安全地将并行级别提高到集群中的核心数以上

---

你能添加引起麻烦的工人的日志吗？如果任务多次失败，可能会杀死一名工作人员。有任何异常发生吗？@YuvalItzchakov worker登录pos-来自执行器丢失的worker的日志。在执行器丢失之前没有异常和失败。“工作人员登录pos-来自丢失执行器的工作人员的日志”不确定这是什么means@YuvalItzchakov抱歉，“工作人员登录帖子（我的问题）”。我在我的问题中添加了工作日志。此工作进程丢失了执行器。@vefthym more memory allocation helpedd您对此有什么理论解释吗？@Cortwave是的，增加分区数会减少每个任务的内存需求（每个分区由一个任务处理）。至于具体的数字，没有，但在我以前的MapReduce经验中，添加更多的分区具有相同的行为，我不断增加分区，直到没有抛出OOM错误（如果适用）。嗨，Armin，你知道spark 2.3.x以后的版本中spark.storage.memoryFraction的等价物是什么吗？此参数已弃用。现在有spark.memory.storageFraction，但其效果与旧设置的1:1不可比。