Spark：广播对象时内存不足

Posted 2023-04-18

【中文标题】Spark：广播对象时内存不足

【英文标题】：Spark: out of memory when broadcasting objects

【发布时间】：2016-07-27 21:58:05

【问题描述】：

我尝试广播一个不太大的地图（以文本文件形式保存到 HDFS 时约为 70 MB），但出现内存不足错误。我尝试将驱动程序内存增加到 11G，将执行程序内存增加到 11G，但仍然出现相同的错误。 memory.fraction 设置为 0.3，缓存的数据也不多（小于 1G）。

当地图只有 2 MB 左右时，没有问题。我想知道广播对象时是否有大小限制。如何使用更大的地图解决这个问题？谢谢！

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at java.util.IdentityHashMap.resize(IdentityHashMap.java:469)
    at java.util.IdentityHashMap.put(IdentityHashMap.java:445)
    at org.apache.spark.util.SizeEstimator$SearchState.enqueue(SizeEstimator.scala:159)
    at org.apache.spark.util.SizeEstimator$.visitArray(SizeEstimator.scala:229)
    at org.apache.spark.util.SizeEstimator$.visitSingleObject(SizeEstimator.scala:194)
    at org.apache.spark.util.SizeEstimator$.org$apache$spark$util$SizeEstimator$$estimate(SizeEstimator.scala:186)
    at org.apache.spark.util.SizeEstimator$.estimate(SizeEstimator.scala:54)
    at org.apache.spark.util.collection.SizeTracker$class.takeSample(SizeTracker.scala:78)
    at org.apache.spark.util.collection.SizeTracker$class.afterUpdate(SizeTracker.scala:70)
    at org.apache.spark.util.collection.SizeTrackingVector.$plus$eq(SizeTrackingVector.scala:31)
    at org.apache.spark.storage.MemoryStore.unrollSafely(MemoryStore.scala:278)
    at org.apache.spark.storage.MemoryStore.putIterator(MemoryStore.scala:165)
    at org.apache.spark.storage.MemoryStore.putIterator(MemoryStore.scala:143)
    at org.apache.spark.storage.BlockManager.doPut(BlockManager.scala:801)
    at org.apache.spark.storage.BlockManager.putIterator(BlockManager.scala:648)
    at org.apache.spark.storage.BlockManager.putSingle(BlockManager.scala:1006)
    at org.apache.spark.broadcast.TorrentBroadcast.writeBlocks(TorrentBroadcast.scala:99)
    at org.apache.spark.broadcast.TorrentBroadcast.<init>(TorrentBroadcast.scala:85)
    at org.apache.spark.broadcast.TorrentBroadcastFactory.newBroadcast(TorrentBroadcastFactory.scala:34)
    at org.apache.spark.broadcast.BroadcastManager.newBroadcast(BroadcastManager.scala:63)
    at org.apache.spark.SparkContext.broadcast(SparkContext.scala:1327)

编辑： 根据 cmets 添加更多信息：

我使用spark-submit在客户端模式下提交编译好的jar文件。 Spark 1.5.0 spark.yarn.executor.memoryOverhead 600 set("spark.kryoserializer.buffer.max", "256m") set("spark.speculation", "true") set("spark.storage.memoryFraction", "0.3") set("spark.driver.memory", "15G") set("spark.executor.memory", "11G") 我试过 set("spar.sql.tungsten.enabled", "false") 没用。 主机有60G内存。大约 30G 用于 Spark/Yarn。我不确定我的工作需要多少堆大小，但同时没有太多其他进程在进行。尤其是地图只有 70MB 左右。

一些与广播相关的代码：

val mappingAllLocal: Map[String, Int] = mappingAll.rdd.map(r => (r.getAs[String](0), r.getAs[Int](1))).collectAsMap().toMap
// I can use the above mappingAll to HDFS, and it's around 70MB
val mappingAllBrd = sc.broadcast(mappingAllLocal) // <-- this is where the out of memory happens

【问题讨论】：

堆大小和您可能设置的其他参数是多少？你能解释一下吗？顺便说一句，您如何提交工作？还有一些你遇到问题的代码？

@ChikuMiku 谢谢！我刚刚用更多信息编辑了我的问题。

你在提交纱线吗？如果是，那么您有多少 DN，您的容器的最大尺寸是多少？

【参考方案1】：

使用set("spark.driver.memory", "15G") 对客户端模式没有影响。提交申请时必须使用命令行参数--conf="spark.driver.memory=15G"来增加驱动的堆大小。

【讨论】：

非常感谢！有用！您如何发现 set("spark.driver.memory", "15G") 对客户端模式没有影响？是否有任何其他设置对客户端模式没有影响？谢谢！

Spark's documents中提到过

【参考方案2】：

您可以尝试增加 JVM 堆大小：

-Xmx2g : max size of 2Go
-Xms2g : initial size of 2Go (default size is 256mo)

【讨论】：

谢谢！我没有尝试这个解决方案。我首先尝试了 Dikei 的解决方案，因为它似乎更适合 Spark。