sql差不多就是这个样子 疯狂join,然后别人说这个sql跑不动了。报错
提取有用信息
Stage-3_0: 11(+1,-2)/12 一直这个
很明显stage3有12个task有一个或者2个一直报错,然后最后有一个跑不动了
报错信息ERROR : FAILED: Execution Error, return code 3 from org.apache.hadoop.hive.ql.exec.spark.SparkTask. Spark job failed due to: Job 3 cancelled
这个就看不出啥。
去spark看日志
好像也没啥,点进stage看日志。
继续点stderr
这里好像比较清楚了。首先
Memory usage: 5207901112 percentage: 0.909
好像是内存到一个阈值了,然后就报错了。个人感觉是0.9
然后保错的具体原因是 org.apache.hadoop.hive.ql.exec.mapjoin.MapJoinMemoryExhaustionException
注意这个异常 一个mapjoin 一个memory 超过
这个时候有两个选择
1.直接百度 2.去查源码
肯定先选1
https://www.jianshu.com/p/962fa4b4ca13
得到解决答案 set hive.auto.convert.join=false
那么开始假装研究2
下载hive源码 找到 SparkMapRecordHandler类 ,搜索Error processing row
@Override
public void processRow(Object key, Object value) throws IOException {
if (!anyRow) {
OperatorUtils.setChildrenCollector(mo.getChildOperators(), oc);
anyRow = true;
}
// reset the execContext for each new row
execContext.resetRow();
try {
// Since there is no concept of a group, we don't invoke
// startGroup/endGroup for a mapper
mo.process((Writable) value);
if (LOG.isInfoEnabled()) {
logMemoryInfo();
}
} catch (Throwable e) {
abort = true;
Utilities.setMapWork(jc, null);
if (e instanceof OutOfMemoryError) {
// Don't create a new object if we are already out of memory
throw (OutOfMemoryError) e;
} else {
String msg = "Error processing row: " + e;
LOG.error(msg, e);
throw new RuntimeException(msg, e);
}
}
注意这个代码 我们肯定是mo.process处理value的时候报错
那这个mo是啥呢?继续看
if (mrwork.getVectorMode()) {
mo = new VectorMapOperator(runtimeCtx);
} else {
mo = new MapOperator(runtimeCtx);
}
这个是啥,看过我其他文章的我都会提到这个,这个vector叫矢量化,也就是看你开启矢量化
set hive.vectorized.execution.enabled=false; set hive.vectorized.execution.reduce.enabled=false;
我们再看这两个mapOperator的process的区别 说实话源码有点难看。先不看了,根据日志是普通mapOperator()
日志里有
spark.SparkRecordHandler: maximum memory = 5726797824=5.33G
这个是因为我们之前设置的excutor.memory=6G,其中有一些reseverd啥的。
然后跑着跑着就快跑到了 5251681352。
这里就很奇怪 数据库里总数据才6000多w 我这个task直接处理了2400w都ok,
下面的处理了1000w怎么就开始叫唤了?没法继续看日志
注意这个ui图
node13 处理了 task 2 和task6 其中task2是因为node31的task2失败了重试的。
为什么node13 处理task2和6没失败呢?
task 6有24780000, task2有12314310
注意task2是在6都快干了一半的时候才开始的 。
再接着看node13的日志
task6 process
Processing rows: 1700000 Hashtable size: 1699999 Memory usage: 2057941392 percentage: 0.359
task2 process 这里也勉强能够看到 0.49->0.544->0.448 这里变少了 肯定有GC
Processing rows: 5600000 Hashtable size: 5599999 Memory usage: 3490224928 percentage: 0.609
接着 我们看node23的日志
不看了,写的太累了。 还要各种截图。
简单的来说吧,为什么报错
executor node23就6G 两个任务同时运行GC 来不及,所以oom了。
怎么解决?
1.加大executor.memory 最简单的办法,所有任务都可以用这个。
2.注意这里是mapjoin,需要加载数据到内存里,所以别人的文章都是关闭convert.join
我也试了确实ok
3.增加task的数量。如下图 这个文件格式如下 是真的垃圾。大的打 小的小
看这个图很容易看出node13 和node23处理的数据差不多,只是数据分布不均而已。
4.增加内存使用率 默认0.9 改为0.99 感觉就一点卵用
HIVEHASHTABLEMAXMEMORYUSAGE("hive.mapjoin.localtask.max.memory.usage", (float) 0.90, "This number means how much memory the local task can take to hold the key/value into an in-memory hash table. \n" + "If the local task's memory usage is more than this number, the local task will abort by itself. \n" + "It means the data of the small table is too large to be held in memory."),
5.看网上的文章也说过 好像是把大表的kv放到内存里了,那么可以尝试使用hint 指定mapjoin
6.gc太垃圾,换个好点的GC,这块研究不多只知道parallel GC cms