Hive性能调优之JVM重用

Hadoop默认为每个task（map task 或者 reduce task） 启动一个jvm。
鉴于目前小文件过多的问题，设置了jvm复用，即一个job内，多个task共享jvm，避免多次启动jvm，浪费资源和时间。

<property>
	<name>mapreduce.job.jvm.numtasks</name>
 	<value>10</value>
 	<description>
 		<!--每个jvm要运行多少个任务。如果设置为-1，则没有限制。-->
		How many tasks to run per jvm. If set to -1, there isno limit. 
 	</description>
</property>

这个功能的缺点是，开启 JVM 重用将一直占用使用到的 task 插槽，以便进行重用，直到任务完成后才能释放。如果某个“不平衡的”job 中有某几个 reduce task 执行的时间要比其他 Reduce task 消耗的时间多的多的话，那么保留的插槽就会一直空闲着却无法被其他的 job使用，直到所有的 task 都结束了才会释放。

也就是如果有几个task占用的资源太大，会发生数据倾斜，而因为JVM重用，会导致资源占据的更大，形成一个恶性循环。