Flink Job в EMR Cluster "Превышен предел накладных расходов G C" - PullRequest
Новая
       8

Flink Job в EMR Cluster "Превышен предел накладных расходов G C"

0 голосов
/ 21 января 2020

В задании EMR-Flink отображается ошибка «G C Ошибка превышения предела служебных данных». Кластер EMR создается в VP C с ролями EMR по умолчанию. Если бы опции oop и Flink были выбраны из расширенного варианта (я пробовал разные версии Had oop и Flink)

Метод Step используется для отправки пользовательского jar с набором аргументов. Задание считывает данные из базы данных Aurora

. Проблема: задание успешно выполняется, когда в запросе на чтение содержится меньше строк из базы данных Aurora, но по мере того, как число строк достигает миллионов, я начинаю получать "G C ошибка превышения предела служебной нагрузки ". Я использую драйвер JDB C для подключения Aurora DB. На моей локальной машине я не сталкиваюсь с какой-либо ошибкой, и все идет нормально, независимо от размера данных в запросе на чтение.

Точная ошибка: 

java.lang.OutOfMemoryError: GC overhead limit exceeded
-XX:OnOutOfMemoryError="kill -9 %p"
Executing /bin/sh -c "kill -9 8344"...

Пробное решение: 1: Я пытался Для решения проблемы воспользуйтесь этой ссылкой: https://aws.amazon.com/premiumsupport/knowledge-center/emr-outofmemory-gc-overhead-limit-error/.

2: Я также пытался предоставить конфигурацию flink во время создания кластера, такую ​​как 

taskmanager.heap.mb:13926
jobmanager.heap.mb:13926
taskmanager.memory.preallocate:true
taskmanager.memory.off-heap:true

3: Я также пробовал другие параметры и добавил другие настройки конфигурации flink, но ничего не работает для меня.

1 Ответ

1 голос
/ 21 января 2020

Проблема была в имеющейся oop памяти, как показано ниже

============= Java процессов для пользователя было oop ===== ======== 8228 com.amazon aws .elasticmapreduce.statepusher.StatePusher -Dlog4j.defaultInitOverride 4522 aws157.instancecontroller.Main -Xmx1024m -XX: + ExitOnOutOfMemoryElog4 ========= В конце java процессов для пользователя было oop ===========

Следующая конфигурация сработала для меня и решила мою проблему 

[
  {
"Classification": "hadoop-env",
"Properties": {

},
"Configurations": [
  {
    "Classification": "export",
    "Properties": {
      "HADOOP_HEAPSIZE":"10000"
    },
    "Configurations": [

    ]
  }
]
}
]
...