我遇到了 YARN 因超出内存限制而杀死我的容器的问题:
Container killed by YARN for exceeding memory limits. physical memory used. Consider boosting spark.yarn.executor.memoryOverhead.
我有 20 个 m3.2xlarge 节点,所以它们有:
cores: 8
memory: 30
storage: 200 gb ebs
我的应用程序的要点是,我有几个 100k Assets ,我有去年每小时生成的历史数据,未压缩的数据集总大小为 2TB。我需要使用这些历史数据为每个 Assets 生成预测。我的设置是我首先使用 s3distcp 将存储为索引 lzo 文件的数据移动到 hdfs。然后我将数据拉入并将其传递给 sparkSql 来处理 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 Assets 对历史数据进行分组,创建一个 (assetId,timestamp,sparkSqlRow) 的元组。我认为在生成每个 Assets 的预测时,这种数据结构可以更好地进行内存操作。
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))
}
}
任何建议/帮助表示赞赏!
最佳答案
它不是你的代码。别担心 foreach
不会同时运行所有这些 lambda。问题是 Spark 的默认值是 spark.yarn.executor.memoryOverhead
(或最近在 2.3+ 中更名为 spark.executor.memoryOverhead
)过于保守,这会导致您的执行程序在负载下被杀死。
解决方案是(如错误消息所建议的)增加该值。如果您为每个执行程序请求大量内存,我会首先将其设置为 1GB(设置为 1024
)或更多。目标是在不杀死任何执行程序的情况下运行作业。
或者,如果您控制集群,则可以通过设置配置 yarn.nodemanager.pmem-check-enabled
来禁用 YARN 内存强制执行。和 yarn.nodemanager.vmem-check-enabled
至 false
在 yarn-site.xml
关于scala - YARN 因超出内存限制而杀死容器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36939480/