STS（SparkThrfitServer）版本

• spark-3.2.1-bin-hadoop3.2

问题表现

• Spark UI 经常无响应
• STS 经常挂掉

问题分析

获取heap.hprof和gc.log

spark.driver.extraJavaOptions -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/home/spark/hbi/logs/ -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintTenuringDistribution -XX:+PrintHeapAtGC -XX:+PrintReferenceGC -XX:+PrintGCApplicationStoppedTime -Xloggc:/home/spark/hbi/logs/gc-%t.log

堆对象分析

• 工具：jprofiler

大对象

heap.hprof

Hashtable引用链

Hashtable

ConcurrentHashMap引用链

ConcurrentHashmap

GC趋势

• 工具：gcviewer
• 黄色：新生代
• 红色：老年代
• 黑色：full gc

gc.log

结论

1. 确定是内存泄漏了，而且内存大对象有两个
   a. Hashtable
   b. ConcurrentHashmap
2. 两个大对象都被该对象引用
   a. SparkExecuteStatementOperation

STS架构

https://blog.51cto.com/u_15259710/4797692

https://www.jianshu.com/p/b719c6415411

Spark Thrift Server大量复用了HiveServer2的代码。

HiveServer2的架构主要是通过ThriftCLIService监听端口，然后获取请求后委托给CLIService处理。CLIService又一层层的委托，最终交给OperationManager处理。OperationManager会根据请求的类型创建一个Operation的具体实现处理。比如Hive中执行sql的Operation实现是SQLOperation。

Spark Thrift Server做的事情就是实现自己的CLIService——SparkSQLCLIService，接着也实现了SparkSQLSessionManager以及SparkSQLOperationManager。另外还实现了一个处理sql的Operation——SparkExecuteStatementOperation。这样，当Spark Thrift Server启动后，对于sql的执行就会最终交给SparkExecuteStatementOperation了。

Spark Thrift Server其实就重写了处理sql的逻辑，其他的请求处理就完全复用HiveServer2的代码了。比如建表、删除表、建view等操作，全部使用的是Hive的代码。

推测原因

大对象引用者

• org.apache.spark.sql.hive.thriftserver.SparkExecuteStatementOperation
  • 注：下文中SparkExecuteStatementOperation统称为SESO

SESO引用者

• org.apache.spark.sql.hive.thriftserver.SparkExecuteStatementOperation$$anon$1
  • 这是个什么东西？

SESO$$anon$1

• 通过反编译，发现该类是SparkExecuteStatementOperation的内部类
  • 工具：jd-gui
• $$anon$1通过$outer引用了SESO

import java.lang.invoke.SerializedLambda;
import java.util.concurrent.ScheduledExecutorService;
import org.apache.spark.sql.hive.thriftserver.SparkExecuteStatementOperation;
import org.apache.spark.sql.hive.thriftserver.SparkExecuteStatementOperation$;
import scala.Option;
import scala.util.control.NonFatal$;

public final class null implements Runnable {
  private final ScheduledExecutorService timeoutExecutor$1;
  
  public null(SparkExecuteStatementOperation $outer, ScheduledExecutorService timeoutExecutor$1) {}
  
  public void run() {
    try {
      this.$outer.timeoutCancel();
    } catch (Throwable throwable1) {
      Throwable throwable2 = throwable1;
      Option option = NonFatal$.MODULE$.unapply(throwable2);
    } finally {
      this.timeoutExecutor$1.shutdown();
    } 
  }
}

SESO内部类源码

• 注意：timeout单位是TimeUnit.SECONDS

# 核心变量timeout
// If a timeout value `queryTimeout` is specified by users and it is smaller than
// a global timeout value, we use the user-specified value.
// This code follows the Hive timeout behaviour (See #29933 for details).
private val timeout = {
  val globalTimeout = sqlContext.conf.getConf(SQLConf.THRIFTSERVER_QUERY_TIMEOUT)
  if (globalTimeout > 0 && (queryTimeout <= 0 || globalTimeout < queryTimeout)) {
    globalTimeout
  } else {
    queryTimeout
  }
}

# 中间代码省略...

# 内部类创建逻辑
if (timeout > 0) {
  val timeoutExecutor = Executors.newSingleThreadScheduledExecutor()
  timeoutExecutor.schedule(new Runnable {
    override def run(): Unit = {
      try {
        timeoutCancel()
      } catch {
        case NonFatal(e) =>
          setOperationException(new HiveSQLException(e))
          logError(s"Error cancelling the query after timeout: $timeout seconds")
      } finally {
        timeoutExecutor.shutdown()
      }
    }
  }, timeout, TimeUnit.SECONDS)
}

原因推理

客户端

• 请求超时时间queryTimeout > 0

服务端

1. timeout默认等于客户端传过来的queryTimeout

2. timeout大于0时，会创建单线程的线程池，提交延迟任务，延迟任务在timeout时间后开始执行，执行完成后会停止线程池
   a. 注意1：延迟任务作为SESO的内部类，会持有SESO的引用
   b. 注意2：timeout单位是seconds

3.问题原因：如果timeout时间很长，而且sql执行时间很短，如果短时间内有大量的查询，那么这些线程在timeout时间内一直持有延迟任务的引用，也就是间接持有SESO对象的引用，这就是内存溢出的原因

验证推理

跟踪timeout传入链

• 找到入口方法

org.apache.hive.service.cli.CLIService#executeStatementAsync(org.apache.hive.service.cli.SessionHandle, java.lang.String, java.util.Map<java.lang.String,java.lang.String>, long)

监控命令

• 工具：arthas
• params[3]: timeout

# arthas watch 命令
watch org.apache.hive.service.cli.CLIService executeStatementAsync '{params}' 'params[3]>0' -x 2

watch method

提出疑问

• 为什么 "SELECT 1" 的timeout是60000s(16.7h)？

服务分析

哪个服务

• 通过STS日志里查找sessionId，定位服务所在节点IP，从而定位到传入queryTimeout=60000的服务
• 最终定位有问题的服务：hbi-query-engine

sts.log

原有连接池配置

# 连接池配置
engine.ds.hive.read.type = com.alibaba.druid.pool.DruidDataSource
# 单位是seconds，也就是16.7小时（Druid在用"SELECT 1"探活时使用该值）
engine.ds.hive.read.pool.queryTimeout=60000
# 单位是mills，也就是60秒（Druid没有使用该配置）
engine.ds.hive.read.pool.validationTimeout=60000

configDruid

改进后连接池配置

# 连接池配置
engine.ds.hive.read.type = com.zaxxer.hikari.HikariDataSource
# 单位是seconds，也就是5分钟
engine.ds.hive.read.pool.queryTimeout=300
# 单位是mills，也就是60秒（Hikari在用"SELECT 1"探活时使用该值）
engine.ds.hive.read.pool.validationTimeout=60000

configHikari

DruidDataSource探测流程

调用栈

stack

setQueryTimeout核心方法

setQueryTimeout

HikariDataSource探测流程

调用栈

stack

setQueryTimeout核心方法

setQueryTimeout

解决方案

• 为了快速解决问题，目前采取方案1（或者方案2），方案3有时间再尝试

方案1

1. 根据连接池不同，设置合理的queryTimeout、validationTimeout
   a. 注意1：queryTimeout的单位是seconds
   b. 注意2：validationTimeout单位是mills

方案2

1. 在sts端配置globalTimeout，也就是spark.sql.thriftServer.queryTimeout
   a. 注：如果globalTimeout小于queryTimeout，则以globalTimeout为准

方案3

1. 源码修复STS
   a. 思路：即时释放查询资源（线程池：timeoutExecutor）
   b. 实现：timeoutExecutor作为SESO的字段，并在SESO对象close时，调用timeoutExecutor.shutdown()

优化效果

全堆大小

Heap After GC

年轻代大小

Young Gen

老年代大小

Old Gen

工具列表

1. jprofiler: 分析堆内存
2. gcviewer: 分析垃圾回收
3. gceasy: 分析垃圾回收 在线分析入口
4. arthas: 分析方法调用
5. jd-gui: 反编译

参考文档

1. Hive内存溢出示例：https://www.jianshu.com/p/88626013b39f
2. STS架构：https://www.jianshu.com/p/b719c6415411
3. STS架构VS Kyuubi：https://blog.51cto.com/u_15259710/4797692
4. Arthas watch：https://arthas.aliyun.com/doc/watch.html