JVM理解

在接触了Hadoop中MapReduce程序后，才慢慢深入学习了Java方面的知识，自然而然也就听到了JVM这个术语，一直蒙绕在脑海里，觉得很神乎很抽象，到今天我似乎也真正消化了它，觉得也不是那么的难以理解。

1. JVM是什么？

      JVM：Java虚拟机。是可运行Java代码的假想的计算机，在实际的计算机上通过软件模拟来实现。它有自己想象中的硬件（CPU、堆栈、寄存器等）和相应的指令系统。

2. 为什么需要JVM?

      那Java代码又为什么要在假想的计算机（JVM）上运行而不在真实计算机上运行呢？

      是因为“跨平台”的一个设计。Java语言的一个非常重要的特点就是与平台的无关性。所以Java代码不在具体平台上运行，而是在具体平台上模拟自己的一套JVM，这样就显得它可以在任意平台上运行。

3.JVM如何配置？

4.在Hadoop中关于JVM的部分如何设置？

    (1)Hadoop默认为每个task（map task 或者 reduce task） 启动一个jvm。

   在mapred-site.xml中，有个配置参数"mapred.child.java.opts"，是专门来配置JVM(一些堆、垃圾回收之类)的，如下配置：

        <property>

                <name>mapred.child.java.opts</name>

                <value>-Xmx200m</value>

        </property>

     默认情况下，-Xmx都是配置200m的，但是在实际情况下，这个显然是不够用的，所以客户端可以将其相应调大。

   (2) JVM还可以复用，这样对于小文件，可以避免资源浪费(因为默认是一个task用一个jvm)。但是JVM重用技术不是指同一Job的两个或两个以上的task可以同时运行于同一JVM上，而是排队按顺序执行。

      鉴于小文件过多的问题，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。

      那么，在mapred-site.xml文件中有个配置参数“mapred.job.reuse.jvm.num.tasks”以供使用，默认值是1，如果设置value是5，表示5个task共用一个jvm。(注意: mapred.job.reuse.jvm.num.tasks这个参数都是客户端参数，修改不需要重启tasktracker(或者yarn集群)，可以在提交job的shell或者代码中设置。)