Spark作业提交后，在driver上运行init()方法时报错：
java.lang.OutOfMemoryError: GC overhead limit exceeded
报错原因是代码中使用了HashMap而且数据量很大，所以导致GC overhead，调整JVM的启动参数-Xms和-Xmx，这个参数配置Java堆的大小，因为代码运行时hashmap对象存放在堆中，故需调大改参数。配置时需要考虑机器的内存大小，不能盲目配置过大。
若作业提交时以yarn-client模式提交，Driver运行时的JVM参数是spark在spark-env.sh 配置文件中读取，因此在spark-env.sh中加入配置：
SPARK_DRIVER_MEMORY=2G
作业在每个worker上运行时报错：
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
此时需要配置每个worker运行的MEMORY参数，在spark-env.sh中配置：
export SPARK_WORKER_MEMORY=4g
export SPARK_WORKER_CORES=4
spark作业提交时配置两个参数：
--executor-memory 4G
--total-executor-cores 4
executor-memory属性配置的是JVM进程的Java堆区域，这个值设置为多大合适呢？
首先要注意的是，设置的值必须要小于运行Excutor的container的最大内存。
spark作业在提交时指定了运行模式，我这里指定的是yarn-client模式，以这种模式运行作业时，资源管理部分完全由yarn进行管理，yarn-site.xml配置文件中有两个属性
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>10240</value>
</property>
ApplicationMaster运行在一个container中，yarn.app.mapreduce.am.resource.mb属性配置ApplicationMaster所在的container的最大内存。
Excutor也是运行在container中，yarn.scheduler.maximum-allocation-mb配置Excutor所在的container的最大内存，该值默认值为1024m。
其次需要知道Executor执行的时候，用的内存可能会超过executor-memoy，所以会为Executor额外预留一部分内存属性。
因此 executorMemory(实际上Excutor所使用的最大内存) =args.executorMemory(--executor-memory参数所配置的属性值) + executorMemoryOverhead(额外预留一部分内存)
其中executorMemory = yarn.scheduler.maximum-allocation-mb中配置的container的最大内存.
属性spark.yarn.executor.memoryOverhead用于配置预留的这部分内存，MemoryOverhead是JVM进程中除Java堆以外占用的空间大小，包括方法区（永久代）、Java虚拟机栈、本地方法栈、JVM进程本身所用的内存、直接内存。如果没有配置该属性，则默认值由一个公式
math.max((MEMORY_OVERHEAD_FACTOR * executorMemory).toInt, MEMORY_OVERHEAD_MIN))
进行计算，其中，
MEMORY_OVERHEAD_FACTOR=0.1，
MEMORY_OVERHEAD_MIN=384m，
executorMemory=args.executor-memory
原文链接：https://blog.csdn.net/zjwcsdn123/article/details/80137883
网友评论