使用 Flume/Hadoop 时 Ubuntu 中的 Java 内存不足异常

Question

当我尝试使用 Flume 下载推文并将它们通过管道传输到 Hadoop 时，由于缺少 Java 堆空间，我遇到了内存不足异常。

我在Hadoop的mapred-site.xml中设置了当前堆空间为4GB，如下所示:

<property>
  <name>mapred.child.java.opts</name>
  <value>-Xmx4096m</value>
</property>

我希望连续两天下载推文，但不能超过 45 分钟而不会出错。

因为我确实有足够的磁盘空间来保存所有这些，所以我假设错误来自 Java 必须同时处理这么多事情。有没有办法让我减慢这些推文的下载速度，或者采取其他措施来解决这个问题？

编辑:包括 flume.conf

TwitterAgent.sources = Twitter
TwitterAgent.channels = MemChannel
TwitterAgent.sinks = HDFS

TwitterAgent.sources.Twitter.type = TwitterSource
TwitterAgent.sources.Twitter.channels = MemChannel
TwitterAgent.sources.Twitter.consumerKey = <required>
TwitterAgent.sources.Twitter.consumerSecret = <required>
TwitterAgent.sources.Twitter.accessToken = <required> 
TwitterAgent.sources.Twitter.accessTokenSecret = <required> 
TwitterAgent.sources.Twitter.keywords = manchester united, man united, man utd, man u

TwitterAgent.sinks.HDFS.channel = MemChannel
TwitterAgent.sinks.HDFS.type = hdfs
TwitterAgent.sinks.HDFS.hdfs.path = hdfs://localhost:50070/user/flume/tweets/%Y/%m/%d/%H/
TwitterAgent.sinks.HDFS.hdfs.fileType = DataStream
TwitterAgent.sinks.HDFS.hdfs.writeFormat = Text
TwitterAgent.sinks.HDFS.hdfs.batchSize = 1000
TwitterAgent.sinks.HDFS.hdfs.rollSize = 0
TwitterAgent.sinks.HDFS.hdfs.rollCount = 10000

TwitterAgent.channels.MemChannel.type = memory
TwitterAgent.channels.MemChannel.capacity = 10000
TwitterAgent.channels.MemChannel.transactionCapacity = 100

编辑2

我已经尝试将内存增加到 8GB，但仍然无济于事。我假设我一次在 Hadoop 中放置了太多推文，需要将它们写入磁盘并再次释放空间(或类似的东西)。是否有关于如何执行此操作的指南？

Answer 1

在 flume-env.sh 中设置 JAVA_OPTS 值并启动 flume agent。