Я пытаюсь создать файл с несколькими сотнями мегабайт путем передискретизации небольшого массива в искровом режиме и сохранить в качестве объектного файла в hdfs-систему, созданную скриптом spark-ec2:
//Accepted arguments
val URI = args(0)
val repNum = args(1).toInt
//Create a LabeledPoint array of size 2
val labelPts = sc.parallelize(Array(LabeledPoint(1.0, Vectors.dense(1.0, 0.0, 3.0, 4.0, 5.0, 7.0, 8.0)),
LabeledPoint(1.0, Vectors.dense(3.0, 1.0, 2.0, 8.0, 6.0, 9.0, 9.0))))
//Oversampling repNum LabeledPoints from the array above
val overSample = labelPts.takeSample(true, repNum, 1)
//output oversampling result as object
sc.parallelize(overSample).saveAsObjectFile(URI)
кластер создается скриптом:
spark-ec2 -k spark -i ~/.ssh/spark.pem -s 1 launch my-spark-cluster
и мое прилагаемое искровое приложение представлено сценарием:
./spark-submit \
--class SimpleApp \
--master spark://ec2-52-1-94-89.compute-1.amazonaws.com:7077 \
--executor-memory=4g \
--driver-memory=4g \
--conf spark.akka.frameSize=10000 \
--conf spark.core.connection.auth.wait.timeout=1000 \
~/oversample-assembly-1.0.jar \
hdfs://ec2-52-1-94-89.compute-1.amazonaws.com:9000/user/root/oversampleOut \
70000000
Затем он выбрасывает EXCEPTION: java.lang.OutOfMemoryError: Java heap space
. Я не знаю, что с ним не так, потому что если мой repNum
установлен на 6000000, ошибки не будет, и выходной файл будет около 490 м, поэтому я подозреваю, что пространство кучи java по-прежнему ограничено 512 м, однако я set --executor-memory=4g
а рабочий класс в этом кластере имеет 7,5 ГБ памяти. В чем проблема?
Вы можете предоставить дополнительные опции Java с помощью искры во время выполнения опции spark.executor.extraJavaOptions
также уменьшить объем памяти, используемый для кэширования с помощью spark.storage.memoryFraction
для получения дополнительной информации по этой ссылке