目前Spark的社區十分活躍，在Hadoop2.0上部署更能體現出其計算價值。但是作爲Spark的五大成員組件之一的GraphX在計算圖時的效果究竟怎樣呢？
我們都知道Spark立足於內存計算，所以計算速度快。但是這卻不可避免的導致OOM的問題。GraphX中的七大算法大都是基於pregel模型實現的，它集成了原生的pregel模型和GAS模型的公共優勢，減少了算法的複雜度。利用該模型進行計算時，會產生大量的消息，這些消息都被緩存在內存中，爲了減少RDD分區轉換之間的計算。但是當圖的規模越來越大，而yarn所能提供的資源又有限，這時候該怎麼辦呢？下面給出一些簡單的方法，或許會有用。
1、修改jvm的配置
2、在sparkconf裏把不必要的壓縮，序列化等參數設爲false
3、重新改變圖的分區存儲，減少shuffle，partitonby可設置四種圖的分區策略
4、增加executor個數，或內存
5、修改spark.storage.memoryFraction 默認是0.6
6、求出部分子圖進行計算
7、重啓sc,徹底釋放內存
8、修改源碼