首页
/ Spark on K8s Operator中Yunikorn任务组内存计算问题分析

Spark on K8s Operator中Yunikorn任务组内存计算问题分析

2025-06-27 01:52:08作者:史锋燃Gardner

问题背景

在Spark on K8s Operator项目的最新版本中,当用户为PySpark应用配置spark.executor.pyspark.memory参数时,发现了一个与Yunikorn调度器任务组内存计算相关的问题。该问题会导致Executor Pod无法被正确调度,始终处于Pending状态。

问题现象

用户在使用SparkApplication CRD提交PySpark作业时,如果设置了spark.executor.pyspark.memory配置项,会出现以下现象:

  1. Executor Pod的资源请求(requests.memory)会正确包含三部分内存之和:

    • 基础内存(spec.executor.memory)
    • 内存开销(spec.executor.memoryOverhead)
    • PySpark专用内存(spark.executor.pyspark.memory)
  2. 但是Yunikorn任务组注解(yunikorn.apache.org/task-groups)中的minResources.memory仅计算了前两部分,忽略了PySpark专用内存。

  3. 这导致Yunikorn调度器在分配资源时,发现实际Pod请求的内存大于任务组预留的内存,从而拒绝调度。

技术原理

在Spark on K8s架构中,当使用Yunikorn作为批处理调度器时,Operator会为Spark作业创建任务组(TaskGroup)注解。这个注解用于告诉Yunikorn:

  1. 作业需要的最小资源量(minResources)
  2. 各角色(Driver/Executor)的最小实例数(minMember)

对于PySpark应用,Spark会为Python进程分配额外的内存空间,这部分通过spark.executor.pyspark.memory参数配置。在资源计算时,这部分内存应该被包含在Executor的总内存需求中。

影响范围

该问题影响以下使用场景:

  • 使用Spark on K8s Operator v2.0.0-rc.0版本
  • 启用了Yunikorn调度器
  • 运行PySpark应用
  • 配置了spark.executor.pyspark.memory参数

解决方案

项目维护者已经确认了这个问题,并正在开发修复方案。修复的核心思路是:

  1. 在计算Yunikorn任务组内存需求时,需要额外考虑PySpark专用内存配置
  2. 确保任务组minResources.memory与实际Pod请求的内存一致

临时规避方案

在官方修复发布前,用户可以采取以下临时方案:

  1. 将PySpark需要的内存合并到基础内存或内存开销中配置
  2. 暂时不使用Yunikorn的硬性Gang Scheduling特性

总结

这个问题揭示了Spark on K8s Operator在特殊场景下资源计算的不一致性。对于PySpark用户来说,理解各种内存参数的用途和计算方式非常重要。项目团队正在积极修复这个问题,预计将在下一个版本中包含相关修复。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.94 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
554
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
887
394
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
512