我正在使用Java 1.8.0_45和Scala 2.11支持的Spark Streaming 1.4.0在Yarn(Apache distribution 2.6.0)上运行,并使用Kafka直接流。我遇到的问题是,驱动程序和执行程序容器的物理内存使用量逐渐增加,直到yarn容器停止它们。我在我的驱动程序中配置了192M堆空间和384离堆空间,但最终还是使用完了。
堆内存看起来正常,有定期的GC循环。任何这样的运行时都没有遇到OutOfMemory错误。
事实上,我没有在Kafka队列上生成任何流量,但仍然会发生这种情况。以下是我使用的代码:
object SimpleSparkStreaming extends App {
val conf = new SparkConf()
val ssc = new StreamingContext(conf,Seconds(conf.getLong("spark.batch.window.size",1L)));
ssc.checkpoint("checkpoint")
val topics = Set(conf.get("spark.kafka.topic.name"));
val kafkaParams = Map[String, String]("metadata.broker.list" -> conf.get("spark.kafka.broker.list"))
val kafkaStream = KafkaUtils.createDirectStream[String,String,StringDecoder,StringDecoder](ssc, kafkaParams, topics)
kafkaStream.foreachRDD(rdd => {
rdd.foreach(x => {
println(x._2)
})
})
kafkaStream.print()
ssc.start()
ssc.awaitTermination()
}
我正在CentOS 7上运行此命令。用于提交spark的命令如下:
./bin/spark-submit --class com.rasa.cloud.prototype.spark.SimpleSparkStreaming \
--conf spark.yarn.executor.memoryOverhead=256 \
--conf spark.yarn.driver.memoryOverhead=384 \
--conf spark.kafka.topic.name=test \
--conf spark.kafka.broker.list=172.31.45.218:9092 \
--conf spark.batch.window.size=1 \
--conf spark.app.name="Simple Spark Kafka application" \
--master yarn-cluster \
--num-executors 1 \
--driver-memory 192m \
--executor-memory 128m \
--executor-cores 1 \
/home/centos/spark-poc/target/lib/spark-streaming-prototype-0.0.1-SNAPSHOT.jar
任何帮助都将不胜感激。致意,
Apoorva