时间戳

首页 > 解决方案 > 生成多个字符串时如何避免这种内存不足错误？

java - 生成多个字符串时如何避免这种内存不足错误？

问题描述

我正在做一个基准测试任务，我需要生成数百万行事件 json。

这是我的示例代码：

def generateEntry() = {
 s"""
    |{
    | "memberId": ${java.util.UUID.randomUUID.toString},
    | "first_name": ${nameRandomizer},
    | "last_name": ${nameRandomizer
    |}""".stripMargin
}

// Generate 1000000 rows of Json String with fields: memberId, first_name, last_name
val entryList = mutable.ListBuffer[String]()
for (_ <- 1 to 1000000) {
 entryList += generateEntry()
}

val inputRDD: RDD[String] = sc.parallelize(entryList.result())

但是，这会导致错误：

Java.lang.OutOfMemoryError: Java heap space
    at java.util.Arrays.copyOf(Arrays.java:3332)
    at java.lang.AbstractStringBuilder.ensureCapacityInternal(AbstractStringBuilder.java:124)
    at java.lang.AbstractStringBuilder.append(AbstractStringBuilder.java:448)
    at java.lang.StringBuilder.append(StringBuilder.java:136)
    at scala.StringContext.standardInterpolator(StringContext.scala:126)
    at scala.StringContext.s(StringContext.scala:95)

顺便说一句，我正在用 spark 编码。我尝试批量执行此操作，但似乎仍然出现错误。请让我知道，或提供我可以用作解决此问题的指南的示例代码。谢谢！

标签： javascalaapache-sparkout-of-memoryrdd

解决方案

不需要列表缓冲区。您可以将 Spark 范围映射到您的函数：

val inputRDD: RDD[String] = spark.range(1000000).rdd.map(x => generateEntry())

推荐阅读