easthome001 发表于 2017-1-23 18:19
数据倾斜楼主怎么弄的。重新负载？

你在分区的时候，要合理。凡是不均匀的都可以叫倾斜，但在资源有限情况，而且分的极其不合理时候就会出现内存溢出的异常啦。

数据倾斜楼主怎么弄的。重新负载？

lanyangkj 发表于 2017-1-23 17:56
以上回答都算正确

正解是： 数据倾斜了！

还没回家过年

以上回答都算正确

正解是： 数据倾斜了！

你这个肯定得找出是哪个算子造成的内存溢出，这样才好解决！

einhep 发表于 2017-1-13 15:26
除了worker内存不够，另外的原因，可能是drive内存不够
可以在在spark-submit中指定 --driver-memory memS ...

谢谢你的回答，不是这个问题！

除了worker内存不够，另外的原因，可能是drive内存不够
可以在在spark-submit中指定 --driver-memory memSize参数来设定driver的jvm内存大小，可以通过spark-submit --help查看其他可以设置的参数。

eg:

./spark-submit \
  --master spark://7070 \
  --class $MAIN_CLASS \
  --executor-memory 3G \
  --total-executor-cores 10 \
  --driver-memory 2g \
  --name $APP_NAME \
  --conf "spark.executor.extraJavaOptions=-XX:+PrintGCDetails -XX:+PrintGCTimeStamps" \
  "$SPARK_APP_JAR"

楼主都是怎么优化的。
产生这个问题，主要是Worker上面分配的任务执行数据时所需要的内存不够，直接导致内存溢出了

可以尝试下面三个方案
A、相同资源下，增加partition数可以减少内存问题。 原因如下：通过增加partition数，每个task要处理的数据少了，同一时间内，所有正在运行的task要处理的数量少了很多，所有Executor占用的内存也变小了。这可以缓解数据倾斜以及内存不足的压力。

B、关注shuffle read 阶段的并行数。例如reduce,group 之类的函数，其实他们都有第二个参数，并行度(partition数)，只是大家一般都不设置。不过出了问题再设置一下，也不错。

C、给一个Executor 核数设置的太多，也就意味着同一时刻，在该Executor 的内存压力会更大，GC也会更频繁。我一般会控制在3个左右。然后通过提高Executor数量来保持资源的总量不变。


上面只是三个方法，问题的根本原因只要解决内存问题即可