通过DistributedCache读取本地文件时出现OutofMemoryError

Question

更新2012年11月21日:

通过将属性mapred.child.java.opts设置为-Xmx512m解决了问题.在此之前,我在core-site.xml中将HADOOP_HEAPSIZE设置为2000,但这没有用.我仍然不明白为什么程序在本地工作,但它不是分布式的.感谢所有的答案.

我正在使用Hadoop 1.0.3.该集群由三台机器组成,所有机器都运行Ubuntu Linux 12.04 LTS.其中两台机器有12 GB RAM,第三台机器有4 GB.我正在通过DistributedCache读取大约40 MB的本地文件.我的程序在本地环境(本地/独立模式)下完美运行.但是,当我在Hadoop集群中执行它(完全分布式模式)时,我得到一个"OutOfMemoryError:Java堆空间",具有相同的40 MB文件.我不明白为什么会这样,因为文件不是那么大.这是代码:

    public static class MapClass extends MapReduceBase implements Mapper<LongWritable, Text, Text, Text> {
    // ...
    private HashMap<String, String> urlTrad = new HashMap<String, String>();
    // ...
    @Override
    public void configure(JobConf job) {
        Path[] urlsFiles = new Path[0];
        BufferedReader fis;

        try {
            urlsFiles = DistributedCache.getLocalCacheFiles(job);
            fis = new BufferedReader(new FileReader(
                    urlsFiles[0].toString()));
            String pattern;
            while ((pattern = fis.readLine()) != null) {
                String[] parts = pattern.split("\t");
                urlTrad.put(parts[0], parts[1]);
            }
            fis.close();

        } catch (IOException ioe) {
            System.err
                    .println("Caught exception while parsing the cached file '"
                    + urlsFiles[0]
                    + "' : "
                    + StringUtils.stringifyException(ioe));
        }
    }
    // ...

任何帮助将不胜感激,提前谢谢.

Answer 1

通过将属性 mapred.child.java.opts 设置为 -Xmx512m 解决了问题。在此之前，我已在 core-site.xml 中将 HADOOP_HEAPSIZE 设置为 2000，但这没有帮助。我仍然不明白为什么该程序可以在本地运行但不能分布式运行。