我面临一个gc开销问题，因为reducer的输入是巨大的。我没有办法过滤掉任何输入数据，因为iterable参数中的所有条目都是有用的。我尝试在运行此作业的emr集群上增加堆大小，但即使这样也没有帮助。
基本上我的reducer所做的就是获取一个字符串列表并将它们转换成一个对象列表。然后这些物体被组合成一个更大的物体b。我能想到的解决方案是，我可以将整个iterable输入转储到磁盘上，并完全释放iterable对象。然后从磁盘读取转储的字符串，一次读取一个，然后继续构建更大的对象b，中间构建一个对象a，然后在从磁盘获取下一个字符串之前释放a。这样，我将只保留堆中比以前几乎一半的数据。但是，我认为我无法释放iterable输入，因为我仍然得到gc开销。
我尝试的方法如下：

public void reduce(final Text key, Iterable<MapWritable> inputValues,
                   final Context context)
{
    BufferedWriter bw = new BufferedWriter(
                            new FileWriterWithEncoding(this.fileName, this.encoding));
    for (Iterator<MapWritable> iterator = inputValues.iterator(); iterator.hasNext();)
    {
        MapWritable mapWritable = iterator.next();
        // ----
        // Put string contained in mapWritable into a file on disk
        // ----
    }
    bw.close();
    // Release the input Iterable instance
    inputValues = null;  //This doesn't seem to work :'(
    BufferedReader br = new BufferedReader(new InputStreamReader(
                            new FileInputStream(this.fileName), this.encoding));
    for (String line; (line = br.readLine()) != null;)
    {
        // ----
        // Then read from the file saved in disk one line at a time
        // and process it to build the object B
        // ----
    }
    br.close();
}

我的问题是，有没有办法从reducer方法中释放reducer的iterable输入的内存？