從源碼解密spark內(nèi)存管理

內(nèi)存不過是計算機(jī)分級存儲系統(tǒng)中的靠近cpu的一個存儲介質(zhì)。
1.spark運行起來內(nèi)存里都存的啥？
2.如何管理里面所存的東西？
3.spark用java和scala這樣的jvm語言寫的，沒有像c語言那樣顯式申請釋放內(nèi)存，如何進(jìn)行內(nèi)存的管理的?
4.我們應(yīng)該如何設(shè)置spark關(guān)于內(nèi)存的參數(shù)？

我們一起來解決這些問題

一、內(nèi)存模型

遠(yuǎn)古大神曾告訴我們這個神秘公式：程序=算法+數(shù)據(jù)。

1.1 什么是內(nèi)存模型

內(nèi)存模型就是告訴我們怎么劃分內(nèi)存、怎么合理利用我們的內(nèi)存。
首先我們要存什么，根據(jù)大神的公式，我們這樣來分析：

數(shù)據(jù)： 就是我們代碼操作的數(shù)據(jù)，比如人的數(shù)據(jù)（年齡、職位等）或者輸入的某個值。這些可在運行時將要計算的部分?jǐn)?shù)據(jù)加載到內(nèi)存。

算法：就是操作數(shù)據(jù)的邏輯，表現(xiàn)形式就是代碼或者編譯后的指令。當(dāng)然它要運行起來，會依賴一部分內(nèi)存，來儲存程序計數(shù)器（代碼執(zhí)行到那一句了）、函數(shù)調(diào)用棧等運行時需要的數(shù)據(jù)。總而言之就是執(zhí)行數(shù)據(jù)操作邏輯所必要的內(nèi)存。

這下我們就可以把我們需要儲存的東西分為數(shù)據(jù)區(qū)和執(zhí)行區(qū)。

二、spark內(nèi)存模型

2.1 spark為啥快

我們都知道spark之所以比mapreduce計算的快，是因為他是基于內(nèi)存的，不用每次計算完都寫磁盤，再讀取出來進(jìn)行下一次計算，spark直接把內(nèi)存作為數(shù)據(jù)的臨時儲存介質(zhì)。所以mapreduce就沒有強(qiáng)調(diào)內(nèi)存管理，而spark需要管理內(nèi)存。

2.2 spark管理的內(nèi)存

系統(tǒng)區(qū)：spark運行自身的代碼需要一定的空間。
用戶區(qū)：我們自己寫的一些udf之類的代碼也需要一定的空間來運行。
存儲區(qū)：spark的任務(wù)就是操作數(shù)據(jù)，spark為了快可能把數(shù)據(jù)存內(nèi)存，而這些數(shù)據(jù)也需要占用空間。
執(zhí)行區(qū)：spark操作數(shù)據(jù)的單元是partition，spark在執(zhí)行一些shuffle、join、sort、aggregation之類的操作，需要把partition加載到內(nèi)存進(jìn)行運算，這也會運用到部分內(nèi)存。

2.3 spark內(nèi)存模型

spark內(nèi)存

上圖就是spark內(nèi)存劃分的圖了
我們從下到上一層一層的解釋：
第1層：整個excutor所用到的內(nèi)存

第2層：分為jvm中的內(nèi)存和jvm外的內(nèi)存，這里的jvm內(nèi)存在yarn的時候就是指申請的container的內(nèi)存

第3層：對于spark來內(nèi)存分為jvm堆內(nèi)的和memoryoverhead、off-heap
jvm堆內(nèi)的下一層再說
memoryOverhead： 對應(yīng)的參數(shù)就是spark.yarn.executor.memoryOverhead 這塊內(nèi)存是用于虛擬機(jī)的開銷、內(nèi)部的字符串、還有一些本地開銷(比如python需要用到的內(nèi)存)等。其實就是額外的內(nèi)存，spark并不會對這塊內(nèi)存進(jìn)行管理。
off-heap : 這里特指的spark.memory.offHeap.size這個參數(shù)指定的內(nèi)存(廣義上是指所有堆外的)。這部分內(nèi)存的申請和釋放是直接進(jìn)行的不通過jvm管控所以沒有GC，被spark分為storage和excution兩部分和第5層講的一同被spark統(tǒng)一進(jìn)行管理。

第4層：jvm堆內(nèi)的內(nèi)存分為三個部分
reservedMemory： 預(yù)留內(nèi)存300M，用于保障spark正常運行
other memory： 用于spark內(nèi)部的一些元數(shù)據(jù)、用戶的數(shù)據(jù)結(jié)構(gòu)、防止出現(xiàn)對內(nèi)存估計不足導(dǎo)致oom時的內(nèi)存緩沖、占用空間比較大的記錄做緩沖
memory faction： spark主要控制的內(nèi)存，由參數(shù)spark.memory.fraction控制。

第5層：分成storage和execution 由參數(shù)spark.memory.storageFraction控制它兩的大小，但是
execution： 用于spark的計算：shuffle、sort、aggregation等這些計算時會用到的內(nèi)存，如果計算是內(nèi)存不足會向storage部分借，如果還是不夠就會spill到磁盤。
storage： 主要用于rdd的緩存，如果execution來借內(nèi)存，可能會犧牲自己丟棄緩存來借給execution，storage也可以向execution借內(nèi)存，但execution不會犧牲自己。

三、源碼層面

3.1 整體架構(gòu)

內(nèi)存管理

? 內(nèi)存申請和釋放（綠色）：
看上圖綠色那塊，就是內(nèi)存的申請和釋放模塊。MemoryAllocator接口負(fù)責(zé)內(nèi)存申請，有兩個子類實現(xiàn)分別負(fù)責(zé)堆內(nèi)內(nèi)存和off-heap內(nèi)存。

? 內(nèi)存池（粉色）:
MemoryPool內(nèi)存池有兩個子類分別管理著執(zhí)行內(nèi)存和儲存內(nèi)存。可以看到兩種內(nèi)存池的申請方法的參數(shù)有很明顯的區(qū)別，執(zhí)行內(nèi)存主要是面向task的，而儲存內(nèi)存主要是面向block的也就是用于rdd緩存呀啥的。

? 統(tǒng)一內(nèi)存管理：
MemoryManager負(fù)責(zé)記錄內(nèi)存的消耗，管理這4個內(nèi)存池，子類UnifiedMemoryManager負(fù)責(zé)把這執(zhí)行內(nèi)存和儲存內(nèi)存統(tǒng)一起來管理，實現(xiàn)相互借用之類的功能。

? MemoryManager的使用場景
一個是BlockManager用于管理儲存，還有一部分是運行Task是的內(nèi)存使用，主要有executor的使用，shuffle時spill呀外部排序呀，這樣的場景。

3.2 如何實現(xiàn)內(nèi)存申請釋放。

spark是用scala和java實現(xiàn)的，印象中沒有管理內(nèi)存申請釋放的api，spark是如何利用這些jvm語言管理內(nèi)存的呢。
我們來看看源碼片段

//HeapMemoryAllocator.scala
private final Map<Long, LinkedList<WeakReference<long[]>>> bufferPoolsBySize = new HashMap<>();
……
  public MemoryBlock allocate(long size) throws OutOfMemoryError {
…… 上面是些內(nèi)存的判斷  ……
    long[] array = new long[numWords];
//上面這就很關(guān)鍵了 
    MemoryBlock memory = new MemoryBlock(array, Platform.LONG_ARRAY_OFFSET, size);
    if (MemoryAllocator.MEMORY_DEBUG_FILL_ENABLED) {
      memory.fill(MemoryAllocator.MEMORY_DEBUG_FILL_CLEAN_VALUE);
    }
    return memory;
  }

HeapMemoryAllocator可以看到上面的源碼片段，實際的內(nèi)存申請是這個代碼：new long[numWords]; 就是new了個數(shù)組來占著內(nèi)存，用MemoryBlock 包裝了一下。bufferPoolsBySize這個是為了防止內(nèi)存頻繁申請和釋放做的buffer。
接下來看看off-heap是怎么申請內(nèi)存的。

//UnsafeMemoryAllocator
  public MemoryBlock allocate(long size) throws OutOfMemoryError {
    long address = Platform.allocateMemory(size);
    MemoryBlock memory = new MemoryBlock(null, address, size);
    if (MemoryAllocator.MEMORY_DEBUG_FILL_ENABLED) {
      memory.fill(MemoryAllocator.MEMORY_DEBUG_FILL_CLEAN_VALUE);
    }
    return memory;
  }

offheap的就和C語言一樣的了可以直接使用api來申請。這部分內(nèi)存就需要自己進(jìn)行管理了，沒有jvm的控制，沒有內(nèi)存回收機(jī)制。
當(dāng)然這也不意味了你能無限制的使用內(nèi)存，在yarn的情況下，yarn是監(jiān)測子進(jìn)程的內(nèi)存占用來看你是否超了內(nèi)存，如果超了直接kill掉。

四、總結(jié)

我們能回答開頭提出的幾個問題了嗎？還是又有了更多的問題呢。
歡迎關(guān)注vxgzh:曾二爺

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容