spark性能调优02-JVM调优

1、降低cache操作的内存占比

　　1.1 为什么要降低cache操作的内存占比

　　　　spark的堆内存分别两部分，一部分用来给Rdd的缓存进行使用，另一部分供spark算子函数运行使用，存放函数中的对象

　　　　默认情况下，供Rdd缓存使用的占0.6，但是，有些时候，不需要那么多的缓存，反而函数计算需要更多的内存，这样导致频繁的minor gc和full gc,导致性能降低。

　　1.2 如何调节

　　　　根据spark作业的yarn界面，如果有频繁的gc，就需要调节　

//调节cache操作的内存占比
conf.set("spark.storage.memoryFraction", "0.4");

2、调节executor的堆外内存

　　2.1 什么情况下进行调节

　　　　当spark作业中，是不是的报错，shuffle file cannot find,executro、task lost,out of memory等，可能是堆外内存不足，导致executor挂掉，task拉取该executor的数据是无法获取到，导致以上错误，甚至spark作业崩溃。

　　2.2 如何调节

　　　　在spark作业的提交脚本中，修改spark.yarn.executor.memoryOverhead参数（默认为300多M）

/usr/local/spark/bin/spark-submit 
--class com.ibeifeng.sparkstudy.WordCount 
--num-executors 80 
--driver-memory 6g 
--executor-memory 6g 
--executor-cores 3 
--master yarn-cluster 
--queue root.default 
--conf spark.yarn.executor.memoryOverhead=2048         调节堆外内存
--conf spark.core.connection.ack.wait.timeout=300        调节连接时间
/usr/local/spark/spark.jar 

3、调节连接等待时间

　　3.1 什么情况下需要调节

　　　　当一个executor的blockManager需要从其他的executor的blockManager中拉取数据，但是目标executor正处在gc阶段，此时源executor会进入等待连接状态（默认60s），如果多次拉取失败则会报   一串filed id  uuid(dsfsss-12323-sdsdsd-wewe) not found ,file lost,甚至spark作用直接崩溃。

　　3.2 如何调节

　　　　在spark作业的提交脚本中，修改conf spark.core.connection.ack.wait.timeout参数（默认为60s）