Scala SparkError:XXXX任务的序列化结果的总大小（2.0 GB）大于spark.driver.maxResultSize（2.0 GB）

错误：

目标：获得使用模型的所有用户的推荐，并与每个用户测试数据重叠，并生成重叠率

我已经使用spark mllib构建了一个推荐模型。我评估每个用户的测试数据和每个用户的推荐项目的重叠率，并生成平均重叠率

ERROR TaskSetManager: Total size of serialized results of XXXX tasks (2.0 GB) is bigger than spark.driver.maxResultSize (2.0 GB)

但这里的问题是，它最终抛出了上面的

maxResultSize

错误。在spark配置中，我执行了以下操作以增加

maxResultSize

  def overlapRatio(model: MatrixFactorizationModel, test_data: org.apache.spark.rdd.RDD[Rating]): Double = {

    val testData: RDD[(Int, Iterable[Int])] = test_data.map(r => (r.user, r.product)).groupByKey
    val n = testData.count

    val recommendations: RDD[(Int, Array[Int])] = model.recommendProductsForUsers(20)
      .mapValues(_.map(r => r.product))

    val overlaps = testData.join(recommendations).map(x => {
      val moviesPerUserInRecs = x._2._2.toSet
      val moviesPerUserInTest = x._2._1.toSet
      val localHitRatio = moviesPerUserInRecs.intersect(moviesPerUserInTest)
      if(localHitRatio.size > 0)
        1
      else
        0
    }).filter(x => x != 0).count

    var r = 0.0
    if (overlaps != 0)
      r = overlaps / n

    return r

  }

但这并没有解决问题，我几乎接近了分配驱动程序内存的数量，但问题没有得到解决。当代码被执行时，我一直在关注我的spark工作，我看到的有点令人费解

val conf = new SparkConf()
conf.set("spark.driver.maxResultSize", "6g")

在上述阶段，代码正在执行spark mllib

recommendForAll

中关于

第277行的矩阵工厂化代码（不确切确定行号）

recommendForAll
方法从俄罗斯的
RecommendProducts
方法调用

但看起来该方法正在剥离一百万个任务。数据来自2000个零件文件，所以我很困惑它是如何开始吐出100万个任务的，我认为这可能是问题所在

我的问题是如何才能真正解决这个问题。如果不使用这种方法，很难计算
重叠率
或
recall@K
。这是spark 1.5（cloudera 5.5）
2GB问题对于spark社区来说并不新鲜：

如果分区大小大于2GB，请尝试将RDD重新分区（
myRdd.repartition（parallelism）
）到更多的分区（w/r/t/当前的并行级别），从而减小每个分区的大小

关于旋转的任务数（因此创建了分区），我的假设是它可能来自
srcBlocks.cartesian（dstBlocks）
API调用，该调用生成由（z=srcBlocks的分区数*dstBlocks的分区数）分区组成的输出RDD

在此情况下，您可以考虑使用<代码> Myrd.CuuleSeCE（并行） API，而不是<代码>重新分区< /代码>，以避免洗牌（以及分区与SerialList相关的问题）。
[Stage 281:==>   (47807 + 100) / 1000000]15/12/01 12:27:03 ERROR TaskSetManager: Total size of serialized results of 47809 tasks (6.0 GB) is bigger than spark.driver.maxResultSize (6.0 GB)

  private def recommendForAll(
      rank: Int,
      srcFeatures: RDD[(Int, Array[Double])],
      dstFeatures: RDD[(Int, Array[Double])],
      num: Int): RDD[(Int, Array[(Int, Double)])] = {
    val srcBlocks = blockify(rank, srcFeatures)
    val dstBlocks = blockify(rank, dstFeatures)
    val ratings = srcBlocks.cartesian(dstBlocks).flatMap {
      case ((srcIds, srcFactors), (dstIds, dstFactors)) =>
        val m = srcIds.length
        val n = dstIds.length
        val ratings = srcFactors.transpose.multiply(dstFactors)
        val output = new Array[(Int, (Int, Double))](m * n)
        var k = 0
        ratings.foreachActive { (i, j, r) =>
          output(k) = (srcIds(i), (dstIds(j), r))
          k += 1
        }
        output.toSeq
    }
    ratings.topByKey(num)(Ordering.by(_._2))
  }