在Hadoop mapreduce作業中重用JVM

Question

我知道我們可以設置屬性「mapred.job.reuse.jvm.num.tasks」來重用JVM。我的問題是：

（1）如何確定要設置的任務數量，-1或其他一些正整數？

（2）它已經重新使用的JVM，並且此屬性設置爲-1 MapReduce作業的價值是一個好主意？

非常感謝！

Answer 1

如果有，是經過對方肯定是運行非常小的任務，它是有用的這一屬性設置爲-1（意思是催生了JVM將被重用無限次）。 所以你只是產卵了（羣集中任務可用於你的工作的數量）-JVM而不是（任務數量）-JVM。

這是一個巨大的性能改進。在長時間運行的作業中，運行時比較設置新JVM的百分比非常低，所以它不會給你帶來巨大的性能提升。

同樣在長時間運行的任務中，重新創建任務進程是很好的，因爲諸如堆碎片之類的問題會降低性能。

此外，如果你有一些中期時間運行的作業，你可以只重用的任務2-3，具有很好的權衡。

Answer 2

JVM重用（僅在MR1可能）應該表現幫助，因爲它消除了JVM的啓動滯後，但它僅僅是邊緣的，自帶的一些缺點（讀副作用。大多數任務會很長時間運行（幾十秒甚至幾分鐘）和啓動時間並不是問題，當你看到這些任務運行時間時，你想在乾淨的平板上開始一個新的任務，當你重新使用JVM時，有可能堆不是完全乾淨的（這是從前面的運行中分割出來的），碎片會導致更多的GC，並且使所有啓動時間增加無效，如果存在內存泄漏，它也可能影響內存的使用等等。爲這些任務啓動一個新的JVM（如果這些任務不是很小）在MR2（YARN）中 - 新的JVM總是爲這些任務啓動，對於Uber任務 - 它只會在本地JVM中運行任務