Scala 用于超过内存限制的杀纱容器

我遇到了一个问题，纱线因为超过内存限制而杀死了我的容器：

Container killed by YARN for exceeding memory limits. physical memory used. Consider boosting spark.yarn.executor.memoryOverhead.

我有20个m3.2x大的节点，因此它们有：

cores: 8
memory: 30
storage: 200 gb ebs

我的应用程序的要点是，我有一对10万资产，我有去年每小时生成的历史数据，总数据集大小为2TB未压缩。我需要使用这些历史数据为每项资产生成预测。我的设置是首先使用s3distcp将作为索引lzo文件存储的数据移动到hdfs。然后，我将数据拉入并将其传递给sparkSql以处理json：

 val files = sc.newAPIHadoopFile("hdfs:///local/*",
  classOf[com.hadoop.mapreduce.LzoTextInputFormat],classOf[org.apache.hadoop.io.LongWritable],
  classOf[org.apache.hadoop.io.Text],conf)
val lzoRDD = files.map(_._2.toString)
val data = sqlContext.read.json(lzoRDD)

然后，我使用groupBy按资产对历史数据进行分组，创建一个元组（assetId、timestamp、sparkSqlRow）。我认为，在生成每项资产的预测时，这种数据结构将允许更好的内存操作

 val p = data.map(asset =>  (asset.getAs[String]("assetId"),asset.getAs[Long]("timestamp"),asset)).groupBy(_._1)

然后我使用foreach迭代每一行，计算预测，最后将预测作为json文件写回s3

 p.foreach{ asset =>
  (1 to dateTimeRange.toStandardHours.getHours).foreach { hour =>
    // determine the hour from the previous year
    val hourFromPreviousYear = (currentHour + hour.hour) - timeRange
    // convert to seconds
    val timeToCompare = hourFromPreviousYear.getMillis
    val al = asset._2.toList

    println(s"Working on asset ${asset._1} for hour $hour with time-to-compare: $timeToCompare")
    // calculate the year over year average for the asset
    val yoy = calculateYOYforAsset2(al, currentHour, asset._1)
    // get the historical data for the asset from the previous year
    val pa = asset._2.filter(_._2 == timeToCompare)
      .map(row => calculateForecast(yoy, row._3, asset._1, (currentHour + hour.hour).getMillis))
      .foreach(json => writeToS3(json, asset._1, (currentHour + hour.hour).getMillis))
  }
}

• 有没有更好的方法来实现这一点，这样我就不会碰到纱线的内存问题
• 有没有一种方法可以将这些资产分块，使foreach一次只能处理大约10k的资产，而不是全部200k的资产

---

感谢您的任何建议/帮助

这不是你的代码。别担心，

foreach

不会同时运行所有这些lambda。问题是Spark的默认值

Spark.Thread.executor.memoryOverhead

（或最近在2.3+中重命名为

Spark.executor.memoryOverhead

）过于保守，这会导致执行器在负载下被杀死

解决方案是（按照错误消息的建议）增加该值。如果您要为每个执行器请求大量内存，我会首先将其设置为1GB（设置为

1024

）或更多。目标是让作业运行，而不会杀死任何执行者

---

或者，如果您控制集群，您可以通过在

warn site.xml

中将configs

warn.nodemanager.pmem check enabled

和

warn.nodemanager.vmem check enabled

设置为

false

来禁用纱线内存强制执行。您可能会遇到与我在本答案中给出的示例类似的问题：