大数据计算框架Spark之内存模型

存储 存储软件 Spark
Executor 端的内存模型,包括堆内内存(On-heap Memory)和堆外内存(Off-heap Memory)。

 

 

 

[[269079]]

 Executor 端的内存模型,包括堆内内存(On-heap Memory)和堆外内存(Off-heap Memory)。

大数据计算框架Spark之内存模型

存管理接口(MemoryManager )

Spark 为Execution 内存和Storage 内存的管理提供了统一的接:MemoryManager。

MemoryManager 的具体实现上,Spark 1.6 之后默认为统一管理(Unified Memory Manager)方式,1.6 之前采用的静态管理(Static Memory Manager)方式仍被保留,可通过配置 spark.memory.useLegacyMode 参数启用。

1静态内存管理(Static Memory Manager)

堆内空间管理

存储内存、执行内存和其他内存的大小在 Spark 应用程序运行期间均为固定的,但可以在应用程序启动前进行配置。

可用的Execution 内存和 可用的Storage 内存计算公式:

可用的Execution 内存 = systemMaxMemory * spark.shuffle.memoryFraction * spark.shuffle.safetyFraction

可用的Storage 内存 = systemMaxMemory * spark.storage.memoryFraction * spark.storage.safetyFraction

systemMaxMemory 取决于当前 JVM 堆内内存的大小,公式中的两个 safetyFraction 参数,其意义在于在逻辑上预留出一块保险区域,降低因实际内存超出当前预设范围而导致 OOM 的风险。这块逻辑上预留的区域同样由JVM管理。

大数据计算框架Spark之内存模型

图静态内存管理-堆内内存的分配

堆外空间管理

堆外只有Execution 内存和Storage 内存,他们的大小由spark.memory.storageFraction这个参数决定。由于堆外内存占用的空间可以被精确计算,所以无需再设定保险区域

大数据计算框架Spark之内存模型

静态内存管理-堆外内存的分配

2统一内存管理

Spark 1.6 之后引入的统一内存管理机制,与静态内存管理的区别在于Storage 内存和Execution 内存共享同一块空间,可以动态占用对方的空闲区域。

堆内内存(On-heap Memory)

堆内内存区域大致可以分为以下四类:

1)Execution 内存:主要用于存放 Shuffle、Join、Sort、Aggregation 等计算过程中的临时数据

2)Storage 内存:主要用于缓存和传播内部数据

3)Other:用户数据结构、Spark内部元数据。

4)预留内存(Reserved Memory):系统预留内存。默认是300MB。

大数据计算框架Spark之内存模型

堆内存(Off-heap Memory)

Spark 1.6 开始引入了Off-heap memory(详见SPARK-11389)。这种模式不在 JVM 内申请内存,而是调用 Java unsafe API (如 C 语言里面的 malloc())直接向操作系统申请内存,JVM不管理这部分内存,所以可以避免频繁的 GC,但要自己编写内存申请和释放的逻辑。

堆外内存分为两类:Execution 内存和 Storage 内存。

默认情况下堆外内存不启用,可以通过配置spark.memory.offHeap.enabled 参数启用,通过配置spark.memory.offHeap.size 参数设定堆外内存空间的大小。

如果堆外内存被启用,那么 Executor 内将同时存在堆内和堆外内存,Executor 中的 Execution 内存是堆内的 Execution 内存和堆外的 Execution 内存之和,同理,Storage 内存也一样。

大数据计算框架Spark之内存模型

说明

maxOffHeapMemory=spark.memory.offHeap.size

Execution 内存和 Storage 内存动态调整

1)设定基本的Storage 内存和Execution 内存区域(通过spark.storage.storageFraction配置比例,默认是0.5,即各占一半)

2)Storage 内存和Execution 内存都不足时,则存储到硬盘;若己方空间不足而对方空余时,可借用对方的空间;(存储空间不足是指不足以放下一个完整的 Block)

3)Execution 内存空间被对方占用后,可让对方将占用的部分转存到硬盘,然后"归还"借用的空间

4)Storage 内存空间被对方占用后,无法让对方"归还",因为实现起来较为复杂。

大数据计算框架Spark之内存模型

动态整

责任编辑:武晓燕 来源: 今日头条
相关推荐

2019-04-08 17:11:46

大数据框架Spark

2021-12-14 09:56:51

HadoopSparkKafka

2015-02-03 03:18:56

SparkSpark内核

2014-06-25 13:57:50

云计算大数据Spark

2019-07-22 10:45:31

2018-05-10 09:51:39

Spark内存Hadoop

2020-07-16 14:40:23

大数据计算框架

2017-02-14 13:11:23

HadoopStormSamza

2017-04-24 12:07:44

Spark大数据并行计算

2021-12-21 15:46:16

NFV内存虚拟化计算虚拟化

2020-10-26 07:05:02

大数据管道编排编排框架

2018-08-09 11:06:39

Apache Spar内存模型

2023-08-07 09:00:00

2017-06-06 08:31:10

Spark Strea计算模型监控

2021-06-15 07:04:59

内存SparkStages

2017-05-05 12:59:00

大数据物联网安全

2016-12-22 17:21:11

Android性能优化内存泄漏

2011-08-02 10:50:56

iOS开发 内存缓存

2012-02-01 13:57:40

内存缓存机制

2009-08-26 14:52:19

.NET Framew
点赞
收藏

51CTO技术栈公众号