im试图使用scala执行小计算。我正在使用DataStax-4.6。我有16GB RAM和8核的6节点。当我尝试删除Scala程序时，它会显示Follwing错误。
错误actorsystemympl：线程[sparkdriver-akka.actor.default-dispatcher-17]中的致命错误错误。java.lang.outofmemoryerror：java堆空间。我为每台计算机分配了2座，而执行器内存为4GB，驱动程序存储器为4GB。任何建议??。
直接引用Russ关于Common Spark故障排除的文章（您应该阅读它！）：
火花执行人OOM：
如何在Spark上设置内存参数一旦应用程序 正在运行下一个最可能的错误，您将看到的是一个OOM 火花执行者。火花是一个非常强大的工具 内存计算，但功率具有一些锋利的边缘。这 遗嘱执行人OOM的最常见原因是该应用程序是 试图缓存或将过多的信息加载到内存中。根据 您的用例有多种解决方案：
1）增加工作的并行性。尝试增加数量 您的工作中的分区。通过将工作分成较小的一组 数据较少的信息必须居住在给定的记忆中 时间。对于火花Cassandra连接器作业，这意味着减少 拆分大小变量。变量， spark.cassandra.input.split.size，可以在命令上设置 如上或在SparkConf对象中的行。 对于其他RDD类型 进入他们的API，以确定他们如何确定分区 尺寸。
2）增加存储分数变量， spark.storage.memoryfraction。这可以在上面的 命令行或SparkConf对象。此变量设置准确 多少JVM将专门用于缓存和存储 RDD的。您可以将其设置为0到1之间的值，描述什么 执行器JVM内存的一部分将用于缓存RDD。如果 您的工作将需要很少的洗牌记忆，但会 利用大量缓存的RDD增加了此变量（例如：缓存 然后在其上执行聚集体。）
3）如果其他所有失败，您都可以 每个工人只需要其他RAM即可。对于DSE用户调整您的 spark-env.sh（或dse 4.6中的dse.yaml文件）以增加spark_mem 保留用于火花工作。您需要重新启动您的工人 这些新的内存限制将生效（DSE SparkWorker重新启动。）然后 通过设置增加申请请求的RAM数量 spark.executor.memory变量命令行或 SparkConf对象。