Spark用HiveUDF get_json_object内存泄漏问题

Deegue

于 2020-11-17 16:53:20 发布

阅读量928

点赞数 1

分类专栏： spark 文章标签： Spark

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/zyzzxycj/article/details/109745466

版权

博客讲述了在Spark中使用HiveUDF get_json_object时遇到的内存泄漏问题。通过分析Spark的源码和HiveUDF的实现，发现在多线程环境下，由于LinkedHashMap的非线程安全操作导致内存泄漏。解决方案是移除UDF中的HashCache，以避免内存问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、问题背景

首先我们支持Spark使用HiveUDF的实现，在某个任务中，executor GC时间普遍非常长，而Hive同样逻辑就没有问题。
选取GC过长的一个executor，dump下内存，发现UDFJson对象非常大：
在这里插入图片描述
于是推测其中存在内存泄漏。

2、问题排查

本文代码为社区Spark master分支a834dba120
在解析SQL时我们可以看到注册UDF函数入口
Analyzer.scala：
在这里插入图片描述
发现函数注册提供qualifiedName以及不覆盖已注册的函数
SessionCatalog.scala:

跟进发现做了一些函数存在性和可加载校验：

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。