如何解决在Kubernetes上运行Spark作业时,如何避免Pod的DiskPressure条件及其最终驱逐?
我想对数据集重新分区,然后将其写入目标路径。但是,由于DiskPressure
,我的吊舱将被逐出。 Spark只显示它丢失了一个工作程序,但是当我在OpenShift控制台中看到events
时,我看到pod(worker)被驱逐了。
这是我重新分区的方式:
df = df.repartition("created_year","created_month","created_day")
df.write.partitionBy("created_year","created_day").mode("overwrite").parquet(dest_path)
大约有38k分区:
Job Id ▾
Description
Submitted
Duration
Stages: Succeeded/Total Tasks (for all stages): Succeeded/Total
1
parquet at NativeMethodAccessorImpl.java:0
(kill)parquet at NativeMethodAccessorImpl.java:0 2020/08/11 21:35:46 1.5 h 0/2
2166/38281 (5633 failed)
火花配置如下:
def create_spark_config(spark_cluster,executor_memory='16g',executor_cores='4',max_cores='16'):
print('Spark cluster is: {}'.format(spark_cluster))
sc_conf = (
pyspark.SparkConf().setMaster(spark_cluster) \
.set('spark.driver.host',HOSTNAME) \
.set('spark.driver.port',42000) \
.set('spark.driver.bindAddress','0.0.0.0') \
.set('spark.driver.blockManager.port',42100) \
.set('spark.executor.memory','5G') \
.set('spark.driver.memory','3G') \
.set('spark.sql.parquet.enableVectorizedReader',True) \
.set('spark.sql.files.ignoreCorruptFiles',True)
)
return sc_conf
我无法弄清楚是什么原因导致DiskPressure,如何停止它?
我阅读了一些有关DiskPressure及其处理的答案和文章,但它们较为通用,与Spark无关。
Spark有6个工作线程,每个都有5GB的内存和6个内核。
解决方法
DiskPressure是一种情况,其中容器的磁盘使用量大量增加,以致于运行Pod的节点面临磁盘可用性的紧缩。这种紧迫感大概占总可用性的 。
在这种情况下,kubelet会在节点上设置DiskPressure状态(这反过来还没有准备好进行调度),因此不会调度较新的Pod,而将Pod逐出(将其重新调度为其他可用性)以满足正常运行时间。豆荚。
面对磁盘压力的大多数常见情况是缺少日志轮换(调试日志),而其他情况是将大数据写入磁盘空间有限的节点上。
编辑:我的回答是通用的,并非特定于星火情景。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。