Za pomocąApache Pig wersja 0.10.1.21 (raportowane), wydanie CentOS 6.3 (Final), jdk1.6.0_31 (The Hortonworks Sandbox v1.2 na Virtualbox, z 3,5 GB RAM)

$ cat data.txt
11,11,22
33,34,35
47,0,21
33,6,51
56,6,11
11,25,67

$ cat GrpTest.pig
A = LOAD 'data.txt' USING PigStorage(',') AS (f1:int,f2:int,f3:int);
B = GROUP A BY f1;
DESCRIBE B;
DUMP B;

pig -x local GrpTest.pig

[Thread-12] WARN  org.apache.hadoop.mapred.JobClient - No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).
[Thread-12] INFO  org.apache.hadoop.mapreduce.lib.input.FileInputFormat - Total input paths to process : 1
[Thread-13] INFO  org.apache.hadoop.mapred.Task -  Using ResourceCalculatorPlugin : org.apache.hadoop.util.LinuxResourceCalculatorPlugin@19a9bea3
[Thread-13] INFO  org.apache.hadoop.mapred.MapTask - io.sort.mb = 100
[Thread-13] WARN  org.apache.hadoop.mapred.LocalJobRunner - job_local_0002
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)
[main] ERROR org.apache.pig.tools.pigstats.PigStatsUtil - 1 map reduce job(s) failed!
[main] ERROR org.apache.pig.tools.grunt.Grunt - ERROR 1066: Unable to open iterator for alias B

Thejava.lang.OutOfMemoryError: Miejsce sterty Java błąd występuje za każdym razem, gdy używam GROUP lub JOIN w skrypcie świni wykonanym w trybie lokalnym. Nie ma błędu, gdy skrypt jest wykonywany w trybie mapreduce na HDFS.

Pytanie 1: Jak doszło do błędu OutOfMemory, podczas gdy próbka danych jest maleńka, a tryb lokalny ma zużywać mniej zasobów niż tryb HDFS?

pytanie 2: Czy istnieje rozwiązanie umożliwiające pomyślne uruchomienie małych skryptów świni z GROUP lub JOIN w trybie lokalnym?