Spark on YARN：执行程序内存少于通过 spark-submit 设置的内存

Question

我在 YARN 集群 (HDP 2.4) 中使用 Spark，设置如下：

• 1 个主节点
  • 64 GB 内存（48 GB 可用）
  • 12核（8核可用）
• 5个从节点
  • 每个 64 GB RAM（48 GB 可用）
  • 每个 12 个内核（8 个可用内核）
• 纱线设置
  • 所有容器（一台主机）的内存：48 GB
  • 最小容器大小 = 最大容器大小 = 6 GB
  • 集群中的 vcores = 40（5 x 8 个工人核心）
  • 最小#vcores/container = 最大#vcores/container = 1

当我使用命令运行我的 spark 应用程序时，spark-submit --num-executors 10 --executor-cores 1 --executor-memory 5g ...Spark 应该为每个执行程序提供5 GB 的 RAM（由于一些开销内存约为 10%，我将内存设置为 5g）。

但是当我查看 Spark UI 时，我看到每个执行程序只有 3.4 GB 的内存，请看截图：

有人可以解释为什么分配的内存这么少吗？

Answer 1

UI 中的存储内存列显示用于执行和 RDD 存储的内存量。默认情况下，这等于 (HEAP_SPACE - 300MB) * 75%。其余的内存用于内部元数据、用户数据结构和其他内容。

你可以通过设置来控制这个数量spark.memory.fraction（不推荐）。在Spark 的文档中查看更多信息