排查作业延迟问题

本页面列出了导致 Dataproc 作业调度延迟的常见原因，并提供了有助于您避免这些原因的信息。

概览

以下是导致 Dataproc 作业延迟（节流）的常见原因：

  • 运行的作业数量过多
  • 系统内存用量较高
  • 可用内存不足
  • 超出速率限制

通常，作业延迟消息将采用以下格式：

Awaiting execution [SCHEDULER_MESSAGE]"

以下部分介绍了特定作业延迟场景的可能原因和解决方案。

运行的作业数量过多

调度器消息：

Throttling job ### (and maybe others): Too many running jobs (current=xx max=xx)

原因：

超出了基于主虚拟机内存的并发作业数上限（作业驱动程序在 Dataproc 集群主服务器虚拟机上运行）。默认情况下，Dataproc 会为应用预留 3.5GB 的内存，并允许每个 GB 内存运行 1 个作业。

示例：n1-standard-4 机器类型具有 15GB 内存。将 3.5GB 预留用于开销，11.5GB 会保留。向下舍入为整数后，11GB 最多可支持 11 个并发作业。

解决方案：

  1. 监控日志指标（例如 CPU 使用率和内存）以估算作业要求。

  2. 创建作业集群时：

    1. 为集群主服务器虚拟机使用内存更大的机器类型。

    2. 如果每个作业的 1GB 超出了您的需求，请将 dataproc:dataproc.scheduler.driver-size-mb 集群属性设置为小于 1024。

    3. 将 dataproc:dataproc.scheduler.max-concurrent-jobs 集群属性设置为适合您的作业要求的值。

系统内存用量过高或可用内存不足

调度器消息：

Throttling job xxx_____JOBID_____xxx (and maybe others): High system memory usage (current=xx%)

Throttling job xxx_____JOBID_____xxx (and maybe others): Not enough free memory (current=xx min=xx)

原因：

默认情况下，当内存用量达到 90% (0.9)) 时，Dataproc 代理会限制作业提交。达到此限制后，系统将无法安排新作业。

在集群上调度另一个作业所需的可用内存不足。

解决方案：

  1. 创建集群时：

    1. 增加 dataproc:dataproc.scheduler.max-memory-used 集群属性的值。例如，将其设置为高于 0.90 默认值 0.95。
    2. 增加 dataproc.scheduler.min-free-memory.mb 集群属性的值。默认值为 256 MB。

作业速率限制已超出

调度器消息：

Throttling job xxx__JOBID___xxx (and maybe others): Rate limit

原因：

Dataproc 代理已达到作业提交速率限制。

解决方案：

  1. 默认情况下，Dataproc 代理作业提交次数限制为 1.0 QPS，您可以在使用 dataproc:dataproc.scheduler.job-submission-rate 集群属性创建集群时将其设置为其他值。

查看作业状态。

如需查看作业状态和详细信息，请参阅作业监控和调试。