Risolvere i problemi di memoria insufficiente delle VM

Questa pagina fornisce informazioni sugli errori di memoria esaurita (OOM) della VM di Managed Service for Apache Spark su Compute Engine e spiega i passaggi che puoi seguire per risolvere i problemi e gli errori OOM.

Effetti degli errori OOM

Quando le VM di Managed Service for Apache Spark riscontrano errori di memoria esaurita (OOM), gli effetti includono le seguenti condizioni:

  • Le VM master e worker si bloccano per un periodo di tempo.

  • Gli errori OOM delle VM master causano l'esito negativo dei job con errori "attività non acquisita".

  • Gli errori OOM della VM worker causano la perdita del nodo su YARN HDFS, il che ritarda l'esecuzione dei job di Managed Service for Apache Spark.

Controlli della memoria YARN

Apache YARN fornisce i seguenti tipi di controlli della memoria:

  • Basato su polling (legacy)
  • Restrittiva
  • Elastic

Per impostazione predefinita, Managed Service for Apache Spark non imposta yarn.nodemanager.resource.memory.enabled per attivare i controlli della memoria YARN, per i seguenti motivi:

  • Un controllo rigoroso della memoria può causare la terminazione dei container anche quando la memoria è sufficiente, se le dimensioni dei container non sono configurate correttamente.
  • I requisiti di controllo della memoria elastica possono influire negativamente sull'esecuzione dei job.
  • I controlli della memoria YARN potrebbero non riuscire a prevenire gli errori OOM quando i processi consumano memoria in modo aggressivo.

Protezione della memoria di Managed Service for Apache Spark

Quando una VM del cluster Managed Service for Apache Spark è sottoposta a pressione della memoria, la protezione della memoria di Managed Service for Apache Spark termina i processi o i container finché la condizione OOM non viene rimossa.

Managed Service for Apache Spark fornisce la protezione della memoria per i seguenti nodi del cluster nelle seguenti versioni immagine di Managed Service for Apache Spark:

Ruolo 1,5 2.0 2.1 2.2
VM master 1.5.74+ 2.0.48+ tutti tutti
VM worker Non disponibile 2.0.76+ 2.1.24+ tutti
VM del pool di driver Non disponibile 2.0.76+ 2.1.24+ tutti

Identifica e conferma le interruzioni della protezione della memoria

Puoi utilizzare le seguenti informazioni per identificare e confermare le terminazioni dei job dovute alla pressione della memoria.

Terminazioni dei processi

  • I processi terminati dalla protezione della memoria di Managed Service for Apache Spark escono con il codice 137 o 143.

  • Quando Managed Service for Apache Spark termina un processo a causa della pressione della memoria, possono verificarsi le seguenti azioni o condizioni:

    • Managed Service for Apache Spark incrementa la metrica cumulativa dataproc.googleapis.com/node/problem_count e imposta reason su ProcessKilledDueToMemoryPressure. Consulta Raccolta delle metriche delle risorse di Managed Service for Apache Spark.
    • Managed Service for Apache Spark scrive un log google.dataproc.oom-killer con il messaggio: "A process is killed due to memory pressure: process name. Per visualizzare questi messaggi, attiva Logging, quindi utilizza il seguente filtro di log:
      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:"
      

Terminazioni dei job del nodo master o del pool di nodi driver

  • Quando un job del nodo master o del pool di nodi driver di Managed Service for Apache Spark termina a causa della pressione della memoria, il job non va a buon fine con il codice di errore Driver received SIGTERM/SIGKILL signal and exited with INT. Per visualizzare questi messaggi, attiva Logging, quindi utilizza il seguente filtro di log:

    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"
        

    • Controlla il log google.dataproc.oom-killer o dataproc.googleapis.com/node/problem_count per verificare che Managed Service for Apache Spark Memory Protection abbia terminato il job (consulta Terminazioni dei processi).

    Soluzioni:

    • Se il cluster ha un pool di driver, aumenta driver-required-memory-mb in base alla memoria utilizzata effettivamente dal job.
    • Se il cluster non ha un pool di driver, ricrealo riducendo il numero massimo di job simultanei in esecuzione sul cluster.
    • Utilizza un tipo di macchina del nodo master con memoria aumentata.

Terminazioni dei container YARN dei nodi worker

  • Managed Service for Apache Spark scrive il seguente messaggio nel gestore delle risorse YARN: container id exited with code EXIT_CODE. Per visualizzare questi messaggi, attiva Logging, quindi utilizza il seguente filtro dei log:

    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
    
  • Se un container è stato chiuso con code INT, controlla il log google.dataproc.oom-killer o dataproc.googleapis.com/node/problem_count per verificare che la protezione della memoria di Managed Service for Apache Spark abbia terminato il job (consulta Terminazioni dei processi).

    Soluzioni:

    • Verifica che le dimensioni dei contenitori siano configurate correttamente.
    • Valuta la possibilità di abbassare yarn.nodemanager.resource.memory-mb. Questa proprietà controlla la quantità di memoria utilizzata per la pianificazione dei container YARN.
    • Se i container dei job hanno costantemente esito negativo, controlla se la distorsione dei dati sta causando un aumento dell'utilizzo di container specifici. In questo caso, ripartiziona il job o aumenta le dimensioni dei worker per soddisfare i requisiti di memoria aggiuntivi.

Ottimizza la protezione della memoria Linux sul nodo master (avanzato)

I nodi master di Managed Service for Apache Spark utilizzano l'utilità earlyoom per evitare blocchi del sistema liberando memoria quando la memoria disponibile è molto bassa. La configurazione predefinita è adatta a molti workload. Tuttavia, potrebbe essere necessario modificare la configurazione se il nodo master ha una grande quantità di memoria e un consumo di memoria rapido.

In scenari con un'elevata pressione della memoria, il sistema può entrare in uno stato di "thrashing", in cui dedica la maggior parte del tempo alla gestione della memoria e non risponde. Questo può accadere così rapidamente che earlyoom non riesce a intervenire in base alle sue impostazioni predefinite o non riesce ad agire prima che venga richiamata la risposta OOM del kernel.

Prima di iniziare

  • Questa è un'opzione di ottimizzazione avanzata. Prima di modificare le impostazioni di earlyoom, dai la priorità ad altre soluzioni, ad esempio l'utilizzo di una VM master con più memoria, la riduzione della contemporaneità dei job o l'ottimizzazione della memoria utilizzata dai job.

Personalizza le impostazioni di earlyoom

La configurazione predefinita di earlyoom utilizza una quantità fissa di memoria libera come trigger. Sulle macchine virtuali con una grande quantità di RAM, ad esempio 32GB o più, questo importo fisso potrebbe rappresentare una piccola frazione della memoria totale. Ciò rende il sistema suscettibile a picchi improvvisi di memoria utilizzata.

Per personalizzare le impostazioni di earlyoom, connettiti al nodo master e modifica il file di configurazione.

  1. Connettiti al nodo master tramite SSH.

  2. Apri il file di configurazione per modificarlo:

    sudo nano /etc/default/earlyoom
    
  3. Regola la soglia di memoria minima. Individua la riga EARLYOOM_ARGS. L'opzione -M <kbytes> imposta la quantità minima di memoria libera in KiB che earlyoom tenta di mantenere. Il valore predefinito è -M 65536, ovvero 64 MiB.

    Per un nodo master con una memoria sostanziale, aumenta questo valore. Ad esempio, per impostare la soglia su 1 GiB (1048576 KiB), modifica la riga come segue:

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

    Note:

    • -r: intervallo di report sulla memoria in secondi
    • -s: la soglia dello spazio di swap per attivare earlyoom
  4. Riavvia il servizio earlyoom per applicare le modifiche:

    sudo systemctl restart earlyoom