Spark игнорирует SPARK_WORKER_MEMORY?

Я использую автономный режим кластера, 1.5.2.

Даже если я устанавливаю SPARK_WORKER_MEMORY в spark-env.sh, похоже, что этот параметр игнорируется.

Я не могу найти никаких указаний в сценариях под bin/sbin, которые установлены -Xms/-Xmx.

Если я использую команду ps для рабочего pid, это выглядит как память, установленная на 1G:

[[email protected] spark-1.5.2-bin-hadoop2.6]$ ps -ef | grep 20232
hadoop   20232     1  0 02:01 ?        00:00:22 /usr/java/latest//bin/java 
-cp /workspace/3rd-party/spark/spark-1.5.2-bin-hadoop2.6/sbin/../conf/:/workspace/
3rd-party/spark/spark-1.5.2-bin-hadoop2.6/lib/spark-assembly-1.5.2-hadoop2.6.0.jar:/workspace/
3rd-party/spark/spark-1.5.2-bin-hadoop2.6/lib/datanucleus-api-jdo-3.2.6.jar:/workspace/
3rd-party/spark/spark-1.5.2-bin-hadoop2.6/lib/datanucleus-rdbms-3.2.9.jar:/workspace/
3rd-party/spark/spark-1.5.2-bin-hadoop2.6/lib/datanucleus-core-3.2.10.jar:/workspace/
3rd-party/hadoop/2.6.3//etc/hadoop/ -Xms1g -Xmx1g org.apache.spark.deploy.worker.Worker 
--webui-port 8081 spark://10.52.39.92:7077

искровым defaults.conf:

spark.master            spark://10.52.39.92:7077
spark.serializer        org.apache.spark.serializer.KryoSerializer
spark.executor.memory   2g
spark.executor.cores    1

spark-env.sh:

export SPARK_MASTER_IP=10.52.39.92
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=12g

Я что-то пропустил?

Спасибо.

Ответ 1

Это моя конфигурация в режиме кластера, на spark-default.conf

spark.driver.memory 5g
spark.executor.memory   6g
spark.executor.cores    4

У вас было что-то вроде этого?

Если вы не добавите этот код (с вашими параметрами), исполнитель Spark получит по умолчанию 1 гб Ram.

В противном случае вы можете добавить эти параметры. /spark-submit следующим образом:

# Run on a YARN cluster
export HADOOP_CONF_DIR=XXX
./bin/spark-submit \
  --class org.apache.spark.examples.SparkPi \
  --master yarn \
  --deploy-mode cluster \  # can be client for client mode
  --executor-memory 20G \
  --num-executors 50 \
  /path/to/examples.jar \
  1000

Попробуйте проверить master (ip/name of master): 8080 при запуске приложения, если ресурсы были правильно распределены.

Ответ 2

При использовании искровой оболочки или искрообразования используйте параметр --executor-memory.

При настройке его для автономной банки задайте системное свойство программно, прежде чем создавать контекст искры.

System.setProperty("spark.executor.memory", executorMemory)

Ответ 3

В режиме кластера используется неправильная настройка.

SPARK_EXECUTOR_MEMORY - это правильная опция для установки памяти Executor в режиме кластера.

SPARK_WORKER_MEMORY работает только в автономном режиме развертывания.

В других случаях для установки памяти исполнителя из командной строки: -Dspark.executor.memory=2g

У вас есть еще один связанный вопрос SE относительно этих настроек:

Конфигурация искры, какая разница между SPARK_DRIVER_MEMORY, SPARK_EXECUTOR_MEMORY и SPARK_WORKER_MEMORY?

Ответ 4

Я столкнулся с той же проблемой, что и ваша. Причина в том, что в автономном режиме spark.executor.memory фактически игнорируется. Что имеет эффект spark.driver.memory, потому что исполнитель живет в драйвере.

Итак, вы можете установить spark.driver.memory как можно выше.

Вот где я нашел объяснение: Как установить память Apache Spark Executor