Mapreducer 的一些性能问题优化

wang290

可能遇到的性能问题做点笔记：
1.Map逻辑处理后数据被展开，写磁盘次数剧增，可以观察日志中的spill次数，调整各个参数

2.中间结果能不展开就不展开，尽量缩小Mapper和reducer之间的数据传递

3.distributecache中加载的数据能不用hashmap就尽量不要用，hashmap会使得内存占用量是原数据的5-10倍，其中
引用占了大量空间

4.distributecache中加载的数据要尽可能简单，如果有复杂的处理逻辑可以单独开辟Mapper Reducer进行一轮处理，
避免每次mapper都要处理一遍，尽可能减少distributecache的数据量

5.观察GC的情况，有时候是因为内存占用量高，频繁GC，严重影响处理速度

6.当逻辑本身很简单，但是处理速度很慢时候首先要怀疑Mapper和Reducer之间传输数据量过大，其次是GC情况

7.适当控制mapper的数量，特别是有distributecache的场景