YARN中Spark应用程序的物理内存不断增加

Question

我正在YARN中运行一个Spark应用程序，其中有两个XMS / Xmx执行器为32
GB，spark.yarn.excutor.memoryOverhead为6 GB。

我看到应用程序的物理内存不断增加，并最终被节点管理器杀死：

2015-07-25 15:07:05,354 WARN org.apache.hadoop.yarn.server.nodemanager.containermanager.monitor.ContainersMonitorImpl: Container [pid=10508,containerID=container_1437828324746_0002_01_000003] is running beyond physical memory limits. Current usage: 38.0 GB of 38 GB physical memory used; 39.5 GB of 152 GB virtual memory used. Killing container.
Dump of the process-tree for container_1437828324746_0002_01_000003 :
    |- PID PPID PGRPID SESSID CMD_NAME USER_MODE_TIME(MILLIS) SYSTEM_TIME(MILLIS) VMEM_USAGE(BYTES) RSSMEM_USAGE(PAGES) FULL_CMD_LINE
    |- 10508 9563 10508 10508 (bash) 0 0 9433088 314 /bin/bash -c /usr/java/default/bin/java -server -XX:OnOutOfMemoryError='kill %p' -Xms32768m -Xmx32768m  -Dlog4j.configuration=log4j-executor.properties -XX:MetaspaceSize=512m -XX:+UseG1GC -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintGCDetails -Xloggc:gc.log -XX:AdaptiveSizePolicyOutputInterval=1  -XX:+UseGCLogFileRotation -XX:GCLogFileSize=500M -XX:NumberOfGCLogFiles=1 -XX:MaxDirectMemorySize=3500M -XX:NewRatio=3 -Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.port=36082 -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false -XX:NativeMemoryTracking=detail -XX:ReservedCodeCacheSize=100M -XX:MaxMetaspaceSize=512m -XX:CompressedClassSpaceSize=256m -Djava.io.tmpdir=/data/yarn/datanode/nm-local-dir/usercache/admin/appcache/application_1437828324746_0002/container_1437828324746_0002_01_000003/tmp '-Dspark.driver.port=43354' -Dspark.yarn.app.container.log.dir=/opt/hadoop/logs/userlogs/application_1437828324746_0002/container_1437828324746_0002_01_000003 org.apache.spark.executor.CoarseGrainedExecutorBackend akka.tcp://sparkDriver@nn1:43354/user/CoarseGrainedScheduler 1 dn3 6 application_1437828324746_0002 1> /opt/hadoop/logs/userlogs/application_1437828324746_0002/container_1437828324746_0002_01_000003/stdout 2> /opt/hadoop/logs/userlogs/application_1437828324746_0002/container_1437828324746_0002_01_000003/stderr

我禁用了YARN的参数“ yarn.nodemanager.pmem-check-enabled”，并注意到物理内存使用量一直达到40 GB。

我检查了中的总RSS /proc/pid/smaps，它的值与Yarn报告并在top命令中看到的物理内存相同。

我检查了堆是否存在问题，但是堆/本机内存中的某些内容正在增加。我使用了像Visual
VM这样的工具，但没有发现那里增加的任何东西。MaxDirectMmeory也没有超过600 MB。活动线程的峰值数量为70-80，线程堆栈大小不超过100
MB。MetaspaceSize约为60-70 MB。

仅供参考，我使用的是Spark 1.2和Hadoop 2.4.0，我的Spark应用程序基于Spark
SQL，它是HDFS读/写密集型应用程序，可以将数据缓存在Spark SQL的内存缓存中。

我应该在哪里调试内存泄漏，或者那里已经有工具？

Answer 1

终于我摆脱了这个问题。问题是，在Spark
SQL的镶木地板写路径中创建的压缩器没有被回收，因此，我的执行者正在为每个镶木地板写文件创建一个全新的压缩器（从本机内存），从而耗尽了物理内存限制。

我在镶木地板Jira中打开了以下bug，并提高了PR的公关率：-

https://issues.apache.org/jira/browse/PARQUET-353

这解决了我的内存问题。

PS-您只会在Parquet写入密集型应用程序中看到此问题。