h2o任务花费了很长时间，导致卡住

问题描述

我成功初始化了一个集群并训练了DRF模型。然后，在同一个集群上，我尝试对XGBoost模型进行网格搜索。

H2OGridSearch(
    H2OXGBoostEstimator(my_model_params),hyper_params=my_grid_params,search_criteria=my_search_criteria
)

有时（并非总是）网格搜索永远不会结束。在对H2O流程进行检查后，我发现工作进度为0％并处于“运行中”状态。
我在日志中看到的是以下内容

WARN: XGBoost task of type 'Boosting Iteration (tid=0)' is taking unexpectedly long,it didn't finish in 360 seconds.  
WARN: XGBoost task of type 'Boosting Iteration (tid=0)' is taking unexpectedly long,it didn't finish in 420 seconds.
...
WARN: XGBoost task of type 'Boosting Iteration (tid=0)' is taking unexpectedly long,it didn't finish in 60240 seconds.

然后我得到

ERRR: water.api.HDFSIOException: HDFS IO Failure: 

但作业的状态仍为“运行中”。

我正在通过Python 3.7使用h2o 3.30.0.6。 问题是该错误无法重现，有时可以正常工作。

关于如何找到根本原因的任何提示？
当提升迭代花费的时间太长时，是否可以设置一个参数来杀死整个工作？

解决方法

对于XGBoost，如果它变得无响应，则可能需要为其分配更多的内存，因为它使用的内存独立于H2O（算法）

为什么即使我提供了4倍于数据大小的内存，运行XGBoost时，我在Hadoop上的H2O集群也变得无响应？

这就是为什么Extramempercent选项存在的原因，我们建议将其设置为较高的值，例如120。内部发生的情况是，当您指定-node_memory 10G和-extramempercent 120时，h2o驱动程序将向Hadoop请求10?∗ （1 + 1.2）=22?的内存。同时，h2o驱动程序会将容器JVM（h2o节点）使用的内存限制为10G，从而使10×120内存“未使用”。然后，JVM外部的XGBoost可以安全地使用此内存。请记住，H2O算法将只能访问JVM内存（10GB），而XGBoost将使用本机内存进行模型训练。例如： hadoop jar h2odriver.jar -nodes 1 -mapperXmx 20g -extramempercent 120

Source