Spark 内存模型

jvm内存模型

• 堆内存on-heap:
• 堆外内存（非堆）(off-heap)，默认为堆*0.1
  • 直接内存：jvm外内存（native内存）DirectByteBuffer
  • 栈、方法区、程序计数器等

spark内存模型

• 堆内存on-heap
  • 执行内存（(堆-300M)0.60.5）
  • 存储内存（(堆-300M)0.60.5）
  • 用户内存（(堆-300M)*0.4）
  • 预留内存300M
• 堆外内存off-heap
  注意：spark内存：执行内存+存储内存+用户内存

spark yarn内存模型

• yarn.nodemanager.resource.memory-mb:164
  • Container(spark-executor)
    • 堆内存
    • spark.yarn.executor.memoryOverhedad:堆外内存

spark内存管理

• 执行内存和存储内存，共享一个内存区域（M）
• 执行内存：shuffles, joins, sorts and aggregations等操作使用内存
• 用户内存：用户定义的数据结构或spark内部元数据
• 不使用执行内存时，存储过程可获得所有可用内存。
• 不使用存储内存时，执行过程可获得所有可用内存。
• 如果有必要，执行过程会驱逐存储内存，但只有M的内存使用率下降到某个阈值（R），才执行此操作。
• executor上jvm堆内存（D）：M=D0.6(spark.memory.fraction) 数据结构占用内存=D0.4 spark.memory.fraction=0.6
• spark.memory.storageFraction=0.5：表示R=M0.5,即最少0.5M的内存用于存储内存

案例

（1）任务启动7个container(4G)，1个AM(2G)，计算使用内存
410247 + 210241 = 30720(30208)
堆外（410240.1）= 410M
堆内存 = container内存 - 堆外内存 = 41024 - 410 =3686
spark内存 = (堆内存-300M) * 0.6 = 2.03(2.1实际)
（2）任务启动10个container(4G)，1个AM(2G)，memoryOverhead=2000M计算使用内存
4102410 + 210241 + 200010（堆外） = 63008(64000)
堆外 = 2000M
堆内存 = container内存 = 41024 - 410 =3686
spark内存 = (堆内存-300M) * 0.6 =2.03 (2.1实际)
（3）任务启动10个container(6G)，1个AM(2G)，memoryOverhead=2000M计算使用内存
6102410 + 210241 + 200010（堆外） = 83488(84480)
堆外 = 2000M
堆内存 = container内存 = 6*1024 - 614 =5530
spark内存 = (堆内存-300M) * 0.6 =3.14 (3.2实际)