apache-spark - Spark worker 在运行一段时间后死亡

Question

我正在运行 Spark 流作业。

我的集群配置

Spark version - 1.6.1
spark node  config
cores - 4
memory - 6.8 G (out of 8G)
number of nodes - 3

对于我的工作，我为每个节点和总内核提供 6GB 内存 - 3

作业运行了一个小时后，我在工作日志中收到以下错误

    Java HotSpot(TM) 64-Bit Server VM warning: INFO: os::commit_memory(0x00007f53b496a000, 262144, 0) failed; error='Cannot allocate memory' (errno=12)
    #
    # There is insufficient memory for the Java Runtime Environment to continue.
    # Native memory allocation (mmap) failed to map 262144 bytes for committing reserved memory.
    # An error report file with more information is saved as:
    # /usr/local/spark/sbin/hs_err_pid1622.log

而我在 work-dir/app-id/stderr 中没有看到任何错误。

通常推荐用于运行 spark worker 的 xm* 设置是什么？

如何进一步调试这个问题？

PS:我使用默认设置启动了我的 worker 和主人。

更新:

我看到由于错误 "cannot allocate memory". 经常添加和删除我的执行程序

日志:

  16/06/24 12:53:47 INFO MemoryStore: Block broadcast_53 stored as values in memory (estimated size 14.3 KB, free 440.8 MB)
  16/06/24 12:53:47 INFO BlockManager: Found block rdd_145_1 locally
  16/06/24 12:53:47 INFO BlockManager: Found block rdd_145_0 locally
  Java HotSpot(TM) 64-Bit Server VM warning: INFO: os::commit_memory(0x00007f3440743000, 12288, 0) failed; error='Cannot allocate memory' (errno=12)

Answer 1

我也遇到了同样的情况。我在官方文档中找到原因，它说:

In general, Spark can run well with anywhere from 8 GB to hundreds of gigabytes of memory per machine. In all cases, we recommend allocating only at most 75% of the memory for Spark; leave the rest for the operating system and buffer cache.

你的计算内存有8GB，6GB是给worker节点的。所以，如果操作系统使用的内存超过2GB，留给worker节点的内存不够，worker就会丢失。
*只需检查操作系统将使用多少内存，并为工作节点分配剩余内存*