Spark：在 Scala 中将 cogroup 与 ListBuffer 一起使用时出现内存问题（超出 GC 开销限制）

Question

我有以下代码：

 fTuple2.cogroup(gTuple2).flatMap { t =>

      val fList: ListBuffer[classF] = ListBuffer()
      val gList: ListBuffer[classG] = ListBuffer()

      while (t._2._2.iterator.hasNext) {
        gList.add(t._2._2.iterator.next)
      }

      val fIter = t._2._1.iterator
      while (fIter.hasNext) {
        val f = fIter.next
        val hn = f.getNum()

        //-----------------
        try {
          val gValue = FindGUtiltity.findBestG(hn, gList)
          f.setG(gValue)
        } catch {
          case e: Exception => println("exception caught: " + e);
        }
        fList.add(f)
      }
      fList
 }

并在行：

gList.add(t._2._2.iterator.next)

我收到以下错误：

java.lang.OutOfMemoryError: GC overhead limit exceeded
    at scala.collection.generic.Growable$class.$plus$plus$eq(Growable.scala:48)
    at scala.collection.mutable.ListBuffer.$plus$plus$eq(ListBuffer.scala:176)
    at scala.collection.mutable.ListBuffer.$plus$plus$eq(ListBuffer.scala:45)
    at scala.collection.mutable.BufferLike$class.appendAll(BufferLike.scala:147)
    at scala.collection.mutable.AbstractBuffer.appendAll(Buffer.scala:48)
    at scala.collection.mutable.BufferLike$class.append(BufferLike.scala:142)
    at scala.collection.mutable.AbstractBuffer.append(Buffer.scala:48)
    at scala.collection.convert.Wrappers$MutableBufferWrapper.add(Wrappers.scala:80)

当 gList 大小为 1 时，它工作正常。但如果平均 gList 大小约为 5，则会出现内存问题。 classG 的实例总数并不太大，因此总的 gList 不应该太大。 gList 实际上是在 Scala 中自我复制吗？有没有更好的方法在 Scala 中创建列表？还是我应该在这里使用一些 Java 列表？

谢谢！

Answer 1

只要至少有一个元素要迭代，你的 while 循环就永远不会结束，因为你在每个循环中请求一个新的迭代器，并且每次都获取第一个元素，将它添加到一个列表中，这会破坏内存.

这就是为什么（根据您的评论）仅获取一次迭代器并将其分配给 val 即可解决问题的原因。

Spark：在 Scala 中将 cogroup 与 ListBuffer 一起使用时出现内存问题（超出 GC 开销限制）

Spark: memory issues (GC overhead limit exceeded) when using cogroup with ListBuffer in Scala

java

scala

listbuffer

scala-2.10

apache-spark