很早以前遇到这个问题, standalone 模式下 metaspace 释放不掉, 感觉是一个比较严重的 bug https://issues.apache.org/jira/browse/FLINK-11205 这边有过讨论
SmileSmile <a511955...@163.com> 于2020年6月30日周二 下午11:45写道: > 作业如果正常运行,堆外内存是足够的。在restart后才会出现频繁重启的情况,重构集群才能恢复正常 > > > | | > a511955993 > | > | > 邮箱:a511955...@163.com > | > > 签名由 网易邮箱大师 定制 > > 在2020年06月30日 23:39,LakeShen 写道: > 我在较低版本,Flink on k8s ,也遇到 OOM 被 kill 了。 > > 我感觉可能是 TaskManager 堆外内存不足了,我目前是 Flink 1.6 版本,Flink on k8s , standalone per > job 模式,堆外内存默认没有限制~。 > > 我的解决方法增加了一个参数:taskmanager.memory.off-heap: true. > > 目前来看,OOM被 kill 掉的问题没有在出现了。希望能帮到你。 > > Best, > LakeShen > > SmileSmile <a511955...@163.com> 于2020年6月30日周二 下午11:19写道: > > > > > 补充一下,内核版本为 3.10.x,是否会是堆外内存cache没被回收而导致的内存超用? > > > > > > | | > > a511955993 > > | > > | > > 邮箱:a511955...@163.com > > | > > > > 签名由 网易邮箱大师 定制 > > > > 在2020年06月30日 23:00,GuoSmileSmil 写道: > > hi all, > > > > > > > > > 我使用的Flink版本为1.10.1,使用的backend是rocksdb,没有开启checkpoint,运行在kubernetes平台上,模式是standalone。 > > > > > > > 目前遇到的问题是作业如果因为网络抖动或者硬件故障导致的pod被失联而fail,在pod重生后,作业自动restart,作业运行一段时间(半小时到1小时不等)很容易出现其他pod因为oom被os > > kill的现象,然后反复循环,pod 被kill越来越频繁。目前的解决方法是手动销毁这个集群,重新构建一个集群后重启作业,就恢复正常。 > > > > > > 如果单纯heap的状态后台,作业restart不会出现这样的问题。 > > > > > > 有一些不成熟的猜测,作业在fail后,native memory没有释放干净,pod的limit假设为10G,那么job > > restart后只有8G,TM还是按照10G的标准运行,pod使用的内存就会超过10G而被os kill(纯属猜测)。 > > > > > > 请问大家是否有什么好的提议或者解决方法? > > > > > > 其中一次系统内核日志如下: > > > > > > Jun 30 21:59:15 flink-tm-1 kernel: memory: usage 28672000kB, limit > > 28672000kB, failcnt 11225 > > Jun 30 21:59:15 flink-tm-1 kernel: memory+swap: usage 28672000kB, limit > > 9007199254740988kB, failcnt 0 > > Jun 30 21:59:15 flink-tm-1 kernel: kmem: usage 0kB, limit > > 9007199254740988kB, failcnt 0 > > Jun 30 21:59:15 flink-tm-1 kernel: Memory cgroup stats for > > /kubepods.slice/kubepods-pod5ad5d2ea_5faa_4a11_96b4_39271ab76e99.slice: > > cache:0KB rss:0KB rss_huge:0KB mapped_file:0KB swap:0K > > B inactive_anon:0KB active_anon:0KB inactive_file:0KB active_file:0KB > > unevictable:0KB > > Jun 30 21:59:15 flink-tm-1 kernel: Memory cgroup stats for > > > /kubepods.slice/kubepods-pod5ad5d2ea_5faa_4a11_96b4_39271ab76e99.slice/docker-fe101418a3b2a7c534e89b4ac73d29b04070eb923220a5b1 > > 7338850bbdb3817a.scope: cache:0KB rss:44KB rss_huge:0KB mapped_file:0KB > > swap:0KB inactive_anon:0KB active_anon:44KB inactive_file:0KB > > active_file:0KB unevictable:0KB > > Jun 30 21:59:15 flink-tm-1 kernel: Memory cgroup stats for > > > /kubepods.slice/kubepods-pod5ad5d2ea_5faa_4a11_96b4_39271ab76e99.slice/docker-a2295e812a828738810a8f1ae69cd48e99ef98b9e1038158a6e33f81524cc02a.scope: > > cache:180KB rss:28671776KB rss_huge:26437632KB mapped_file:144KB swap:0KB > > inactive_anon:0KB active_anon:28671760KB inactive_file:4KB > active_file:4KB > > unevictable:0KB > > Jun 30 21:59:15 flink-tm-1 kernel: [ pid ] uid tgid total_vm rss > > nr_ptes swapents oom_score_adj name > > Jun 30 21:59:15 flink-tm-1 kernel: [16875] 0 16875 253 1 > > 4 0 -998 pause > > Jun 30 21:59:15 flink-tm-1 kernel: [17274] 0 17274 1369 421 > > 7 0 -998 bash > > Jun 30 21:59:15 flink-tm-1 kernel: [18089] 0 18089 10824832 7174316 > > 14500 0 -998 java > > Jun 30 21:59:15 flink-tm-1 kernel: [18348] 0 18348 1017 196 > > 6 0 -998 tail > > Jun 30 21:59:15 flink-tm-1 kernel: Memory cgroup out of memory: Kill > > process 26824 (Window(Tumbling) score 4 or sacrifice child > > Jun 30 21:59:15 flink-tm-1 kernel: Killed process 18089 (java) > > total-vm:43299328kB, anon-rss:28669084kB, file-rss:28180kB, shmem-rss:0kB > > > > > > > > > > > > > > Looking forward to your reply and help. > > > > Best >