scala – Spark配置:SPARK_MEM与SPARK_WORKER_MEMORY
发布时间:2020-12-16 09:00:30 所属栏目:安全 来源:网络整理
导读:在spark-env.sh中,可以配置以下环境变量: # - SPARK_WORKER_MEMORY,to set how much memory to use (e.g. 1000m,2g)export SPARK_WORKER_MEMORY=22g[...]# - SPARK_MEM,to change the amount of memory used per node (this should# be in the same format
在spark-env.sh中,可以配置以下环境变量:
# - SPARK_WORKER_MEMORY,to set how much memory to use (e.g. 1000m,2g) export SPARK_WORKER_MEMORY=22g [...] # - SPARK_MEM,to change the amount of memory used per node (this should # be in the same format as the JVM's -Xmx option,e.g. 300m or 1g) export SPARK_MEM=3g 如果我用这个启动一个独立的集群: $SPARK_HOME/bin/start-all.sh 我可以在Spark Master UI网页上看到所有工作人员只有3GB内存: -- Workers Memory Column -- 22.0 GB (3.0 GB Used) 22.0 GB (3.0 GB Used) 22.0 GB (3.0 GB Used) [...] 但是,我在spark-env.sh中将22g指定为SPARK_WORKER_MEMORY 我有点困惑.可能我不明白“节点”和“工人”之间的区别. 有人可以解释两个内存设置之间的区别以及我可能做错了什么吗? 我正在使用spark-0.7.0.有关更多配置信息,另请参见here. 解决方法
独立群集可以托管多个Spark群集(每个“群集”都绑定到特定的SparkContext).即,您可以拥有一个运行kmeans的集群,一个运行Shark的集群,另一个运行一些交互式数据挖掘的集群.
在这种情况下,22GB是您分配给Spark独立群集的内存总量,并且您的特定SparkContext实例每个节点使用3GB.因此,您可以使用高达21GB的内容再创建6个SparkContext. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |