6

我正在使用 Mahout 在一组推文上运行 NaiveBayes。两个文件，一个 100 MB 和一个 300 MB。我将 JAVA_HEAP_MAX 更改为 JAVA_HEAP_MAX=-Xmx2000m （之前是 1000）。但即便如此，mahout 也运行了几个小时（准确地说是 2 小时），然后才抱怨堆空间错误。我应该怎么做才能解决？

如果有帮助，请提供更多信息：我在单个节点上运行，我的笔记本电脑实际上具有 3GB 的 RAM（仅）。

谢谢。

编辑：我第三次使用 <1/2 我第一次使用的数据（第一次使用 550 万条推文，第二次使用 200 万条）运行它，但我仍然遇到堆空间问题。为了完成目的，我发布了完整的错误：

17 May, 2011 2:16:22 PM
 org.apache.hadoop.mapred.JobClient monitorAndPrintJob
INFO:  map 50% reduce 0%

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at java.lang.AbstractStringBuilder.<init>(AbstractStringBuilder.java:62)
    at java.lang.StringBuilder.<init>(StringBuilder.java:85)
    at org.apache.hadoop.mapred.JobClient.monitorAndPrintJob(JobClient.java:1283)
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1251)
    at org.apache.mahout.classifier.bayes.mapreduce.common.BayesFeatureDriver.runJob(BayesFeatureDriver.java:63)
    at org.apache.mahout.classifier.bayes.mapreduce.bayes.BayesDriver.runJob(BayesDriver.java:44)
    at org.apache.mahout.classifier.bayes.TrainClassifier.trainNaiveBayes(TrainClassifier.java:54)
    at org.apache.mahout.classifier.bayes.TrainClassifier.main(TrainClassifier.java:162)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:616)
    at org.apache.hadoop.util.ProgramDriver$ProgramDescription.invoke(ProgramDriver.java:68)
    at org.apache.hadoop.util.ProgramDriver.driver(ProgramDriver.java:139)
    at org.apache.mahout.driver.MahoutDriver.main(MahoutDriver.java:184)
17 May, 2011 7:14:53 PM org.apache.hadoop.mapred.LocalJobRunner$Job run
WARNING: job_local_0001
java.lang.OutOfMemoryError: Java heap space
    at java.lang.String.substring(String.java:1951)
    at java.lang.String.subSequence(String.java:1984)
    at java.util.regex.Pattern.split(Pattern.java:1019)
    at java.util.regex.Pattern.split(Pattern.java:1076)
    at org.apache.mahout.classifier.bayes.mapreduce.common.BayesFeatureMapper.map(BayesFeatureMapper.java:78)
    at org.apache.mahout.classifier.bayes.mapreduce.common.BayesFeatureMapper.map(BayesFeatureMapper.java:46)
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:50)
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:358)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
    at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:177)

我正在发布我更改的 bin/mahout 脚本的一部分：原文：

JAVA=$JAVA_HOME/bin/java
            JAVA_HEAP_MAX=-Xmx1000m 

if [ "$MAHOUT_HEAPSIZE" != "" ]; then
  #echo "run with heapsize $MAHOUT_HEAPSIZE"
  JAVA_HEAP_MAX="-Xmx""$MAHOUT_HEAPSIZE""m"
  #echo $JAVA_HEAP_MAX
fi

修改的 ：

JAVA=$JAVA_HOME/bin/java
 JAVA_HEAP_MAX=-Xmx2000m 


if [ "$MAHOUT_HEAPSIZE" != "" ]; then
  #echo "run with heapsize $MAHOUT_HEAPSIZE"
  JAVA_HEAP_MAX="-Xmx""$MAHOUT_HEAPSIZE""m"
  #echo $JAVA_HEAP_MAX
fi
4

3 回答 3

3

您没有指定哪个进程内存不足，这很重要。你需要设置MAHOUT_HEAPSIZE，而不是任何东西JAVA_HEAP_MAX。

于 2011-05-17T08:35:27.580 回答
1

您是否修改了 hadoop 环境或 mahout 环境的堆大小？看看这个mahout list 上的查询是否有帮助。根据个人经验，我可以建议您减少尝试处理的数据大小。每当我尝试在笔记本电脑上执行贝叶斯分类器时，运行几个小时后，堆空间就会耗尽。

我建议你在 EC2 上运行它。我认为基本的 S3/EC2 选项是免费使用的。

于 2011-05-17T06:18:27.727 回答
0

当您启动 mahout 进程时，您可以运行“jps”，它将显示您的机器上使用您的用户 ID 运行的所有 java 进程。"jps" 将返回一个进程 ID。您可以找到该进程并可以运行“jmap -heap process-id”来查看您的堆空间利用率。

使用这种方法，您可以估计处理内存的哪一部分已用尽以及需要增加的位置。

于 2014-03-19T03:16:54.873 回答