Spark 内存开销

Question

Spark内存开销相关问题在SO中多次被问到，我经历了其中的大部分。然而，在浏览了多个博客后，我感到困惑。

以下是我的疑问

• 内存开销是执行器内存的一部分还是独立的？由于很少有博客说内存开销是执行器内存的一部分，而其他博客则说执行器内存+内存开销（这是否意味着内存开销不是执行器内存的一部分）？
• 内存开销和堆外开销是一样的吗？
• 如果我没有在 Spark 提交中提及开销，会发生什么情况，它会采用默认值 18.75 还是不会？
• 如果我们提供比默认值更多的内存开销，会产生副作用吗？

https://docs.qubole.com/en/latest/user-guide/engines/spark/defaults-executors.html https://spoddutur.github.io/spark-notes/distribution_of_executors_cores_and_memory_for_spark_application.html

下面是我想了解的案例。我有5个节点，每个节点16个vcore和128GB内存（其中120个可用），现在我想提交spark应用程序，下面是conf，我在想

Total Cores 16 * 5 = 80
Total Memory 120 * 5 = 600GB

情况1：执行器内存的内存开销部分

spark.executor.memory=32G
spark.executor.cores=5
spark.executor.instances=14 (1 for AM)
spark.executor.memoryOverhead=8G ( giving more than 18.75% which is default)
spark.driver.memoryOverhead=8G
spark.driver.cores=5

情况 2：内存开销不是执行程序内存的一部分

spark.executor.memory=28G
spark.executor.cores=5
spark.executor.instances=14 (1 for AM)
spark.executor.memoryOverhead=6G ( giving more than 18.75% which is default)
spark.driver.memoryOverhead=6G
spark.driver.cores=5

根据下面的视频，我尝试使用 85% 的节点，即 120GB 中的 100GB 左右，不确定我们是否可以使用更多。

https://www.youtube.com/watch?v=ph_2xwVjCGs&list=PLdqfPU6gm4b9bJEb7crUwdkpprPLseCOB&index=8&t=1281s (4:12)

Answer 1

要回答您的问题，内存开销是执行程序内存的一部分还是单独的？ 内存开销不是执行器内存的一部分。

资源管理器启动容器以执行其中的执行程序。所以基本上执行程序内存+内存开销=容器内存..... Spark已将执行程序内存分解为应用程序内存和缓存内存。

执行器内存开销主要包括堆外内存和nio缓冲区以及用于运行容器特定线程（线程堆栈）的内存。当您不指定内存开销时，资源管理器将使用默认值计算内存开销值并相应地启动容器。

始终建议为操作系统保留核心和内存（1 个核心用于 Nodemanager，1 个核心用于其他守护进程，2 个核心用于操作系统最佳工作）

您可以像下面提到的那样更改您的计算 12 * 5 = 60 个核心，总​​内存 116 * 5 = 580GB 是可用的总资源..然后您相应地调整其他参数。