Hive内存溢出常见问题

1 MR作业运行过程中内存溢出错误分类

1.1 Mapper/Reducer阶段JVM内存溢出（一般都是堆）

1.1.1 JVM堆（Heap）内存溢出：堆内存不足时，一般会抛出如下异常：

• 1）-“java.lang.OutOfMemoryError: ” GC overhead limit exceeded;
• 2）-"Error: Java heapspace" 异常信息
• 3）-"running beyondphysical memory limits. Current usage: 2.1 GB of 2.0 GB physical memory used; 3 GB of  8.4 GB virtual memory used. Killing container"

1.1.2 栈内存溢出：抛出异常为 java.lang.StackOverflowError

 常会出现在SQL中（SQL语句中条件组合太多，被解析成为不断的递归调用），或MR代码中有递归调用。这种深度的递归调用在栈中方法调用链条太长导致的。出现这种错误一般说明程序写的有问题。

1.2 MRAppMaster内存不足

如果作业的输入的数据很大，导致产生了大量的Mapper和Reducer数量，致使MRAppMaster（当前作业的管理者）的压力很大，最终导致MRAppMaster内存不足，作业跑了一般出现了OOM信息。

异常信息为：

Exception: java.lang.OutOfMemoryError thrown from theUncaughtExceptionHandler in thread "Socket Reader #1 for port 30703

Halting due to Out Of Memory Error...

Halting due to Out Of Memory Error...

Halting due to Out Of Memory Error...

1.3 非JVM内存溢出

异常信息一般为：java.lang.OutOfMemoryError:Direct buffer memory

自己申请使用操作系统的内存，没有控制好，出现了内存泄露，导致的内存溢出。

2 错误解决参数调优

2.1 Mapper/Reducer阶段JVM堆内存溢出参数调优

目前MapReduce主要通过两个组参数去控制内存：（将如下参数调大）

Mapper：

• mapreduce.map.java.opts=-Xmx2048m(默认参数，表示jvm堆内存,注意是mapreduce不是mapred)
• mapreduce.map.memory.mb=2304(container的内存）

Reducer：

• mapreduce.reduce.java.opts=-Xmx2048m(默认参数，表示jvm堆内存)
• mapreduce.reduce.memory.mb=2304(container的内存)

2.2 MRAppMaster

• yarn.app.mapreduce.am.command-opts=-Xmx1024m(默认参数，表示jvm堆内存)

• yarn.app.mapreduce.am.resource.mb=1536(container的内存）

注意在Hive ETL里面，按照如下方式设置：

set mapreduce.map.child.java.opts="-Xmx3072m"(注:-Xmx设置时一定要用引号，不加引号各种错误)

set mapreduce.map.memory.mb=3288

或

set mapreduce.reduce.child.java.opts="xxx"

set mapreduce.reduce.memory.mb=xxx

2.3 涉及YARN参数

• yarn.scheduler.minimum-allocation-mb (最小分配单位1024M)
• yarn.scheduler.maximum-allocation-mb (8192M)
• yarn.nodemanager.vmem-pmem-ratio (虚拟内存和物理内存之间的比率默认 2.1)
• yarn.nodemanager.resource.memory.mb

Yarn的ResourceManger（简称RM）通过逻辑上的队列分配内存，CPU等资源给application，默认情况下RM允许最大AM申请Container资源为8192MB(“yarn.scheduler.maximum-allocation-mb“)，默认情况下的最小分配资源为1024M(“yarn.scheduler.minimum-allocation-mb“)，AM只能以增量（”yarn.scheduler.minimum-allocation-mb“）和不会超过(“yarn.scheduler.maximum-allocation-mb“)的值去向RM申请资源，AM负责将(“mapreduce.map.memory.mb“)和(“mapreduce.reduce.memory.mb“)的值规整到能被(“yarn.scheduler.minimum-allocation-mb“)整除，RM会拒绝申请内存超过8192MB和不能被1024MB整除的资源请求。（不同配置会有不同）