out-of-memory - Apache pig : OutOfMemory exception with simple GROUP BY in local mode

Question

当我尝试在一个很小的(3KB)随机生成的示例数据集上执行一个非常简单的 GROUP BY 时，我从 Pig 收到 OutOfMemory 异常。

pig 脚本:

$ cat example.pig
raw =
LOAD 'example-data'
    USING PigStorage()
    AS (thing1_id:int,
        thing2_id:int,
        name:chararray,
        timestamp:long);

grouped =
GROUP raw BY thing1_id;

DUMP grouped;

数据:

$ cat example-data
281906  13636091    hide    1334350350
174952  20148444    save    1334427826
1082780 16033108    hide    1334500374
2932953 14682185    save    1334501648
1908385 28928536    hide    1334367665
[snip]

$ wc example-data
 100  400 3239 example-data

开始了:

$ pig -x local example.pig

[snip]

java.lang.OutOfMemoryError: Java heap space
    at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.<init>(MapTask.java:949)
    at org.apache.hadoop.mapred.MapTask$NewOutputCollector.<init>(MapTask.java:674)
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:756)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:370)
    at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:212)

[snip]

还有一些额外的信息:

$ apt-cache show hadoop | grep Version
Version: 1.0.2

$ pig --version
Apache Pig version 0.9.2 (r1232772) 
compiled Jan 17 2012, 23:49:20

$ echo $PIG_HEAPSIZE
4096

在这一点上，我觉得我一定做错了什么，因为我看不出 3 kB 的文本会导致堆填满的任何原因。

Answer 1

检查这个:[链接] http://sumedha.blogspot.in/2012/01/solving-apache-pig-javalangoutofmemorye.html

尼尔，你说得对，让我解释一下:在 bin/pig 脚本文件中，源代码是:

JAVA_HEAP_MAX=-Xmx1000m

# 检查可能覆盖默认参数的 envvars

if [ "$PIG_HEAPSIZE"!= ""];然后
JAVA_HEAP_MAX="-Xmx""$PIG_HEAPSIZE""m"
菲

它仅使用 -Xmx 开关将 Java_heap_size 设置为 maxium(“x”)，但我不知道为什么此脚本覆盖不起作用，这就是原因，我要求您使用参数直接指定 java 堆大小作为链接中指定。我没有时间检查为什么会出现这个问题。如果有人有想法，请在此处发布。