不会以较少内存启动

Question

我使用已经有一段时间了。因此，我知道我们可以使用--driver-memory和--executor-memory这样的选项启动Shell来更改默认值。

因此，我使用以下命令启动了spark-shell：

$ spark-shell --driver-memory 100M

但是，我被以下错误击中了：

Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel).
java.lang.OutOfMemoryError: Java heap space
    at scala.reflect.internal.Names$class.enterChars(Names.scala:70)
    at scala.reflect.internal.Names$class.body$1(Names.scala:116)
    at scala.reflect.internal.Names$class.newTermName(Names.scala:127)
    at scala.reflect.internal.SymbolTable.newTermName(SymbolTable.scala:16)
    at scala.reflect.internal.Names$class.newTermName(Names.scala:135)
    at scala.reflect.internal.SymbolTable.newTermName(SymbolTable.scala:16)
    at scala.reflect.internal.Names$class.newTypeName(Names.scala:139)
    at scala.reflect.internal.SymbolTable.newTypeName(SymbolTable.scala:16)
    at scala.tools.nsc.symtab.SymbolLoaders.enterClass(SymbolLoaders.scala:61)
    at scala.tools.nsc.symtab.SymbolLoaders.enterClassAndModule(SymbolLoaders.scala:119)
    at scala.tools.nsc.symtab.SymbolLoaders.initializeFromClassPath(SymbolLoaders.scala:167)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader$$anonfun$doComplete$1$$anonfun$apply$mcV$sp$1.apply(SymbolLoaders.scala:265)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader$$anonfun$doComplete$1$$anonfun$apply$mcV$sp$1.apply(SymbolLoaders.scala:264)
    at scala.collection.Iterator$class.foreach(Iterator.scala:893)
    at scala.collection.AbstractIterator.foreach(Iterator.scala:1336)
    at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
    at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader$$anonfun$doComplete$1.apply$mcV$sp(SymbolLoaders.scala:264)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader$$anonfun$doComplete$1.apply(SymbolLoaders.scala:260)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader$$anonfun$doComplete$1.apply(SymbolLoaders.scala:260)
    at scala.reflect.internal.SymbolTable.enteringPhase(SymbolTable.scala:235)
    at scala.tools.nsc.symtab.SymbolLoaders$PackageLoader.doComplete(SymbolLoaders.scala:260)
    at scala.tools.nsc.symtab.SymbolLoaders$SymbolLoader.complete(SymbolLoaders.scala:211)
    at scala.tools.nsc.symtab.SymbolLoaders$SymbolLoader.load(SymbolLoaders.scala:227)
    at scala.reflect.internal.Symbols$Symbol.typeParams(Symbols.scala:1733)
    at scala.reflect.internal.Types$class.isRawIfWithoutArgs(Types.scala:3756)
    at scala.reflect.internal.SymbolTable.isRawIfWithoutArgs(SymbolTable.scala:16)
    at scala.reflect.internal.tpe.TypeMaps$$anon$1.apply(TypeMaps.scala:328)
    at scala.reflect.internal.tpe.TypeMaps$$anon$1.apply(TypeMaps.scala:325)
    at scala.reflect.internal.Symbols$Symbol.modifyInfo(Symbols.scala:1542)
    at scala.reflect.internal.Symbols$Symbol.cookJavaRawInfo(Symbols.scala:1688)
    at scala.tools.nsc.typechecker.Infer$Inferencer.checkAccessible(Infer.scala:270)

我被这个错误弄糊涂了。既然，我们可以用任何数量的内存启动spark-shell，那么为什么它会在1亿内存中失败呢？

Answer 1

这里没发生什么奇怪的事。火花是一个复杂的引擎，需要大量的记忆。空闲驱动程序进程的内存占用约为250 an，您需要的比稳定工作所需的内存要多得多。