我在做一个hadoop项目。我的reduce阶段内存非常昂贵。我正在使用一个hashmap,但是我得到了 Error: Java Heap space
因为在reduce中我构建了一个巨大的hashmap(数据集是32gb)。解决方案可以是内存中的hashmap和磁盘回退,mapdb似乎适合我的需要。但我不确定它的用法。diskmap对于每个reduce任务是唯一的,inmemoryMap对于每个reduce“key”是唯一的。即使我设定 expireMaxSize(3)
对于测试,我不确定何时使用ondiskMap以及逻辑是否正确。同样,为了测试,我用20个假条目填充hashmap。基本上,为了避免堆溢出,我需要控制内存Map的增长。
public class TestReducer extends Reducer<LongWritable, BytesWritable, String, IntWritable> {
private int id;
DB dbDisk;
protected void setup(Context context) throws IOException, InterruptedException {
id = context.getTaskAttemptID().getTaskID().getId();
File diskmap = new File("tmp/diskmap"+id);
diskmap.delete();
dbDisk = DBMaker
.fileDB("tmp/diskmap"+id)
.make();
}
@Override
protected void reduce(LongWritable key, Iterable<BytesWritable> values, Context context)
throws IOException, InterruptedException {
DB dbMemory = DBMaker
.memoryDB()
.make();
HTreeMap<Long,Integer> onDisk = dbDisk
.hashMap("onDisk")
.keySerializer(Serializer.LONG)
.valueSerializer(Serializer.INTEGER)
.createOrOpen();
// fast in-memory collection with limited size
HTreeMap<Long,Integer> inMemory = dbMemory
.hashMap("inMemory")
.expireMaxSize(3)
.keySerializer(Serializer.LONG)
.valueSerializer(Serializer.INTEGER)
//this registers overflow to `onDisk`
.expireOverflow(onDisk)
.createOrOpen();
for(int k=0;k<20;k++){
inMemory.put((long)k,k*2);
}
Set set = inMemory.entrySet();
Iterator it = set.iterator();
while(it.hasNext()) {
Map.Entry<Long,Integer> entry = (Map.Entry<Long,Integer>)it.next();
System.out.print("Key is: "+entry.getKey() + " & ");
System.out.println("Value is: "+entry.getValue());
}
}
protected void cleanup(Context context) throws IOException,InterruptedException {
dbDisk.close();
}
}
1条答案
按热度按时间vnjpjtjt1#
mapdb可以在直接内存或应用程序堆中分配内存。
为了使用直接内存,您需要更换
与
有一个java属性
您可以设置它将使用的最大内存。
您仍然需要管理分配,以便有足够的内存来存储数据,但是应用程序的堆不会随着这些数据而增长,并且应用程序本身不会抛出内存不足异常或达到最大堆限制(除非应用程序是邪恶的)。