加载大于 h2o 中内存大小的数据

Question

我正在尝试在h2o中加载大于内存大小的数据。

H2o博客提到：关于大数据和GC的注释：当Java堆太满时，我们会进行用户模式交换到磁盘，即您使用的大数据比物理DRAM多。我们不会随着GC死亡螺旋而死亡，但我们会降低到核心以外的速度。我们将以磁盘允许的速度运行。我亲自测试过将12Gb数据集加载到2Gb（32位）JVM中；加载数据大约需要5分钟，运行Logistic回归需要5分钟。

下面是连接到h2o 3.6.0.8的R代码：

h2o.init(max_mem_size = '60m') # alloting 60mb for h2o, R is running on 8GB RAM machine

给

java version "1.8.0_65"
Java(TM) SE Runtime Environment (build 1.8.0_65-b17)
Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)

.Successfully connected to http://127.0.0.1:54321/ 

R is connected to the H2O cluster: 
    H2O cluster uptime:         2 seconds 561 milliseconds 
    H2O cluster version:        3.6.0.8 
    H2O cluster name:           H2O_started_from_R_RILITS-HWLTP_tkn816 
    H2O cluster total nodes:    1 
    H2O cluster total memory:   0.06 GB 
    H2O cluster total cores:    4 
    H2O cluster allowed cores:  2 
    H2O cluster healthy:        TRUE 

Note:  As started, H2O is limited to the CRAN default of 2 CPUs.
       Shut down and restart H2O as shown below to use all your CPUs.
           > h2o.shutdown()
           > h2o.init(nthreads = -1)

IP Address: 127.0.0.1 
Port      : 54321 
Session ID: _sid_b2e0af0f0c62cd64a8fcdee65b244d75 
Key Count : 3

我试着把一个169 MB的csv加载到h2o中。

dat.hex <- h2o.importFile('dat.csv')

这抛出了一个错误，

Error in .h2o.__checkConnectionHealth() : 
  H2O connection has been severed. Cannot connect to instance at http://127.0.0.1:54321/
Failed to connect to 127.0.0.1 port 54321: Connection refused

这表示内存溢出错误。

问：如果H2opromise加载大于其内存容量的数据集（如上面的博客引述所说的交换到磁盘机制），这是加载数据的正确方法吗？

Answer 1

由于性能太差，一段时间前默认禁用了磁盘交换。出血边缘（不是最新稳定的）有一个标志来启用它：“--cleaner”（表示“内存清洗器”）
请注意，您的集群内存非常小：H2O集群总内存：0.06 GB这是60MB！几乎不足以启动JVM，更不用说运行H2O了。如果H2O能在那里正常出现，我会很惊讶，更不用说换成磁盘了。交换仅限于交换数据。如果您正在尝试进行交换测试，请将JVM的内存增加到1或2 Gigs，然后加载总和大于此值的数据集。

悬崖