java如何在Hadoop中序列化非常大的可写对象
Hadoop可写接口依赖于"public void write(DataOutput out)"
方法。在DataOutput接口后面,Hadoop使用DataOutputStream,它在封面下使用了一个简单的数组
当我尝试在我的reducer中的DataOutput中写入大量数据时,我得到:
Caused by: java.lang.OutOfMemoryError: Requested array size exceeds VM limit at java.util.Arrays.copyOf(Arrays.java:3230) at java.io.ByteArrayOutputStream.grow(ByteArrayOutputStream.java:113) at java.io.ByteArrayOutputStream.ensureCapacity(ByteArrayOutputStream.java:93) at java.io.ByteArrayOutputStream.write(ByteArrayOutputStream.java:140) at java.io.DataOutputStream.write(DataOutputStream.java:107) at java.io.FilterOutputStream.write(FilterOutputStream.java:97)
看起来系统无法分配请求大小的连续数组。 显然,增加可用于reducer的堆大小没有帮助-它已经达到84GB(-Xmx84G)
如果我无法减小需要序列化的对象的大小(因为缩减器通过组合对象数据来构造此对象),我应该如何解决此问题
# 1 楼答案
我认为你应该使用-Xms例如-Xms40G而不是-Xmx84G