---
title: Spark执行INSERT语句查询多个大宽表join时，SMJ算子出现内存不足导致core dump问题的解决方法
description: "在Spark引擎中，当使用OmniOperator算子加速执行INSERT语句，并且数据仅有1个分区的情况下，若连续对50个表执行Sort Merge Join（SMJ）操作，可能会因堆外内存耗尽而在申请Vector内存时触发new操作，从而导致core dump问题。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengboostkithistory/240RC2/bds/kunpengbds_omniruntime_20_0275.html
sourcePath: /source/zh/kunpengboostkithistory/240RC2/bds/kunpengbds_omniruntime_20_0275.html
indexId: 3c5357f962efe52054ffc677b81f527bf971c99045e81eb276e05baf1c89ba7a80
---
# Spark执行INSERT语句查询多个大宽表join时，SMJ算子出现内存不足导致core dump问题的解决方法

#### 问题现象描述

在Spark引擎中，当使用OmniOperator算子加速执行INSERT语句，并且数据仅有1个分区的情况下，若连续对50个表执行Sort Merge Join（SMJ）操作，可能会因堆外内存耗尽而在申请Vector内存时触发new操作，从而导致core dump问题。


#### 关键过程、根本原因分析

由于算子加速当前是列式处理，相比于原生Spark的行式处理，内存占用会更大，而且SMJ算子计算过程中申请的资源需要在task结束后才能释放。

出现问题的场景是INSERT语句且只有1个数据分区，Spark只会生成1个task去执行任务。因此，会导致50个表的Sort Merge Join都在1个task内执行。此时用例配置的38g堆外内存在连续50个SMJ算子计算过程中已经耗尽，此时再通过new申请内存时，出现core dump。


#### 结论、解决方案及效果

该用例属于比较高负载的场景，Spark作业本身是为了利用大规模集群的并发优势，正常情况下不会存在单个task（单线程）执行大量表join的业务场景；当触发该问题时，可通过如下方法进行规避：

- 调整spark.memory.offHeap.size参数，增大堆外内存后，重新运行业务流程。
- 恢复到原来的Spark设置，重新运行业务流程。