Soluciona problemas de errores de memoria insuficiente de la VM

En esta página, se proporciona información sobre los errores de falta de memoria (OOM) de las VMs de Dataproc en Compute Engine y se explican los pasos que puedes seguir para solucionar y resolver estos errores.

Efectos de los errores de OOM

Cuando las VMs de Dataproc en Compute Engine encuentran errores de memoria insuficiente (OOM), los efectos incluyen las siguientes condiciones:

  • Las VMs principales y de trabajador se congelan durante un período.

  • Los errores de OOM de las VMs principales provocan que los trabajos fallen con errores de "tarea no adquirida".

  • Los errores de OOM de la VM de trabajador provocan la pérdida del nodo en YARN HDFS, lo que retrasa la ejecución del trabajo de Dataproc.

Controles de memoria de YARN

Apache YARN proporciona los siguientes tipos de controles de memoria:

  • Basado en sondeos (heredado)
  • Estricto
  • Elastic

De forma predeterminada, Dataproc no establece yarn.nodemanager.resource.memory.enabled para habilitar los controles de memoria de YARN por los siguientes motivos:

  • El control estricto de la memoria puede provocar la finalización de los contenedores cuando hay suficiente memoria si los tamaños de los contenedores no están configurados correctamente.
  • Los requisitos de control de memoria elástica pueden afectar negativamente la ejecución del trabajo.
  • Los controles de memoria de YARN pueden no evitar los errores de OOM cuando los procesos consumen memoria de forma agresiva.

Protección de memoria de Dataproc

Cuando una VM del clúster de Dataproc está bajo presión de memoria, la protección de memoria de Dataproc finaliza los procesos o contenedores hasta que se quita la condición de OOM.

Dataproc proporciona protección de memoria para los siguientes nodos de clúster en las siguientes versiones de imágenes de Dataproc en Compute Engine:

Rol 1.5 2.0 2.1 2.2
VM principal 1.5.74+ 2.0.48+ todos todos
VM de trabajador No disponible 2.0.76+ 2.1.24+ todos
VM del grupo de conductores No disponible 2.0.76+ 2.1.24+ todos

Identifica y confirma las finalizaciones de la protección de memoria

Puedes usar la siguiente información para identificar y confirmar las finalizaciones de trabajos debido a la presión de memoria.

Finalizaciones de procesos

  • Los procesos que finaliza la protección de memoria de Dataproc salen con el código 137 o 143.

  • Cuando Dataproc finaliza un proceso debido a la presión de la memoria, pueden ocurrir las siguientes acciones o condiciones:

    • Dataproc incrementa la métrica acumulativa dataproc.googleapis.com/node/problem_count y establece reason en ProcessKilledDueToMemoryPressure. Consulta Recopilación de métricas de recursos de Dataproc.
    • Dataproc escribe un registro google.dataproc.oom-killer con el mensaje "A process is killed due to memory pressure: process name. Para ver estos mensajes, habilita el registro y, luego, usa el siguiente filtro de registro: 
      resource.type="cloud_dataproc_cluster"
resource.labels.cluster_name="CLUSTER_NAME"
resource.labels.cluster_uuid="CLUSTER_UUID"
jsonPayload.message:"A process is killed due to memory pressure:"

Finalizaciones de trabajos de grupos de nodos controladores o de nodos principales

  • Cuando un nodo principal de Dataproc o un trabajo de grupo de nodos de controlador finaliza debido a la presión en la memoria, el trabajo falla con el código de error Driver received SIGTERM/SIGKILL signal and exited with INT. Para ver estos mensajes, habilita el registro y, luego, usa el siguiente filtro de registro: 

    resource.type="cloud_dataproc_cluster"
resource.labels.cluster_name="CLUSTER_NAME"
resource.labels.cluster_uuid="CLUSTER_UUID"
jsonPayload.message:"Driver received SIGTERM/SIGKILL signal and exited with"

    • Verifica el registro google.dataproc.oom-killer o el dataproc.googleapis.com/node/problem_count para confirmar que la Protección de memoria de Dataproc finalizó el trabajo (consulta Finalización de procesos).

    Soluciones:

    • Si el clúster tiene un grupo de controladores, aumenta driver-required-memory-mb al uso real de memoria del trabajo.
    • Si el clúster no tiene un grupo de controladores, vuelve a crearlo y reduce la cantidad máxima de trabajos simultáneos que se ejecutan en el clúster.
    • Usa un tipo de máquina de nodo principal con mayor memoria.

Finalizaciones de contenedores YARN de nodos trabajadores

  • Dataproc escribe el siguiente mensaje en el administrador de recursos de YARN: container id exited with code EXIT_CODE. Para ver estos mensajes, habilita el registro y, luego, usa el siguiente filtro de registro:

    resource.type="cloud_dataproc_cluster"
resource.labels.cluster_name="CLUSTER_NAME"
resource.labels.cluster_uuid="CLUSTER_UUID"
jsonPayload.message:"container" AND "exited with code" AND "which potentially signifies memory pressure on NODE

  • Si un contenedor salió con code INT, consulta el registro google.dataproc.oom-killer o el dataproc.googleapis.com/node/problem_count para confirmar que la Protección de memoria de Dataproc finalizó el trabajo (consulta Finalización de procesos).

    Soluciones:

    • Verifica que los tamaños de los contenedores estén configurados correctamente.
    • Considera bajar yarn.nodemanager.resource.memory-mb. Esta propiedad controla la cantidad de memoria que se usa para programar contenedores de YARN.
    • Si los contenedores de trabajos fallan de forma constante, verifica si la asimetría de los datos está provocando un mayor uso de contenedores específicos. Si es así, vuelve a particionar el trabajo o aumenta el tamaño del trabajador para satisfacer los requisitos de memoria adicionales.

Ajusta la protección de memoria de Linux en el nodo principal (avanzado)

Los nodos principales de Dataproc usan la utilidad earlyoom para evitar que el sistema se bloquee, ya que liberan memoria cuando la memoria disponible es muy baja. La configuración predeterminada es adecuada para muchas cargas de trabajo. Sin embargo, es posible que debas ajustar la configuración si tu nodo principal tiene una gran cantidad de memoria y experimenta un consumo rápido de memoria.

En situaciones con alta presión de memoria, el sistema puede entrar en un estado de "thrashing", en el que dedica la mayor parte del tiempo a la administración de memoria y deja de responder. Esto puede ocurrir tan rápido que earlyoom no puede tomar medidas según su configuración predeterminada o no puede actuar antes de que se invoque la respuesta de OOM del kernel.

Antes de comenzar

  • Esta es una opción de ajuste avanzada. Antes de ajustar la configuración de earlyoom, prioriza otras soluciones, como usar una VM principal con más memoria, reducir la simultaneidad de los trabajos o optimizar el uso de memoria de los trabajos.

Personaliza la configuración de earlyoom

La configuración predeterminada de earlyoom usa una cantidad fija de memoria libre como activador. En las máquinas virtuales con una gran cantidad de RAM, por ejemplo, 32GB o más, esta cantidad fija podría representar una pequeña fracción de la memoria total. Esto hace que el sistema sea susceptible a aumentos repentinos en el uso de memoria.

Para personalizar la configuración de earlyoom, conéctate al nodo principal y modifica el archivo de configuración.

  1. Conéctate a tu nodo principal con SSH.

  2. Abre el archivo de configuración para editarlo:

    sudo nano /etc/default/earlyoom

  3. Ajusta el umbral de memoria mínimo. Ubica la línea EARLYOOM_ARGS. La opción -M <kbytes> establece la cantidad mínima de memoria libre en KiB que earlyoom intenta mantener. El valor predeterminado es -M 65536, que es 64 MiB.

    Para un nodo principal con una memoria considerable, aumenta este valor. Por ejemplo, para establecer el umbral en 1 GiB (1048576 KiB), modifica la línea de la siguiente manera:

    EARLYOOM_ARGS="-r 15 -M 1048576 -s 1"

    Notas:

    • -r: Intervalo del informe de memoria en segundos
    • -s: Es el límite de espacio de intercambio para activar earlyoom.

  4. Reinicia el servicio de earlyoom para aplicar los cambios:

    sudo systemctl restart earlyoom