我需要有关如何计算在 spark 独立集群中的 x mb(假设 x 表示 600 mb)上运行需要多少堆空间(内存)的信息。
场景:
我有 14GB 内存和 8 个内核的独立集群。我想对 600 MB 的数据进行操作(从文件中读取数据并将其写入 Cassandra)。
对于此任务,我将 SparkConfig 作为:
.set("spark.cassandra.output.throughput_mb_per_sec","800")
.set("spark.storage.memoryFraction", "0.3")
提交任务时--executor-memory=5g --total-executor-cores 6 --driver-memory 6g。
尽管有上述配置,但我在向 Cassandra 写入数据时出现 Java 堆空间错误。
下面是java代码:
public static void main(String[] args) throws Exception {
String fileName = args[0];
Long now = new Date().getTime();
SparkConf conf = new SparkConf(true)
.setAppName("JavaSparkSQL_" +now)
.set("spark.cassandra.connection.host", "192.168.1.65")
.set("spark.cassandra.connection.native.port", "9042")
.set("spark.cassandra.connection.rpc.port", "9160")
.set("spark.cassandra.output.throughput_mb_per_sec","800")
.set("spark.storage.memoryFraction", "0.3");
JavaSparkContext ctx = new JavaSparkContext(conf);
JavaRDD<String> input =ctx.textFile
("hdfs://abc.xyz.net:9000/figmd/resources/" + fileName, 12);
JavaRDD<PlanOfCare> result = input.mapPartitions(new
ParseJson()).filter(new PickInputData());
System.out.print("Count --> "+result.count());
System.out.println(StringUtils.join(result.collect(), ","));
javaFunctions(result).writerBuilder("ks","pt_planofcarelarge",
mapToRow(PlanOfCare.class)).saveToCassandra();
}
我应该做什么配置?我错过了什么吗? 提前致谢。
最佳答案
JavaRDD collect
方法返回一个包含此 RDD 中所有元素的数组。
因此在您的情况下,它将创建一个包含 340000 个元素的数组,这将导致 Java 堆错误
,您可能需要对数据进行少量采样并收集
code> 它或者你可能想将它直接保存到你的磁盘。
有关 JavaRDD 的更多信息,您可以随时引用 official documentation .
关于hadoop - Apache Spark 1.2.1 独立集群给出 java 堆空间错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29920579/