面向大数据处理框架的JVM优化技术综述

当前,以Hadoop、Spark为代表的大数据处理框架,已经在学术界和工业界被广泛应用于大规模数据的处理和分析.这些大数据处理框架采用分布式架构,使用Java、Scala等面向对象语言编写,在集群节点上以Java虚拟机(JVM)为运行时环境执行计算任务,因此依赖JVM的自动内存管理机制来分配和回收数据对象.然而,当前的JVM并不是针对大数据处理框架的计算特征设计的,在实际运行大数据应用时经常出现垃圾回收(GC)时间长、数据对象序列化和反序列化开销大等问题.在一些大数据场景下, JVM的垃圾回收耗时甚至超过应用整体运行时间的50%,已经成为大数据处理框架的性能瓶颈和优化热点.对近年来相关领域的研究成果进行了系统性综述:(1)总结了大数据应用在JVM中运行时性能下降的原因;(2)总结了现有面向大数据处理框架的JVM优化技术,对相关优化技术进行了层次划分,并分析比较了各种方法的优化效果、适用范围、使用负担等优缺点;(3)探讨了JVM未来的优化方向,有助于进一步提升大数据处理框架的性能.     

γ-Fe-Mn-Ge系合金的Neel转变

以磁化率测量及 Mssbauer 谱分析研究 Ge 含量对γ-Fe-Mn 合金 Néel 转变的影响。在0-8.7at-%范围内,Ge 含量增加,磁化率增大。在 T>T_N 时,合金逐渐由 Pauli 顺磁性态转变为Curie-Weiss 顺磁性态,在 T_N 点处呈现的磁化率尖峰增高,同时 Néel 转变温度(T_N)线性下降。随Ge 含量的增多,超精细场分布 P(H)的极大值朝低场方向移动,平均内场强度下降。这些结果暗示,增加 Ge 含量,促进 Fe 原子处的局域净磁矩增强,并减弱γ-Fe-Mn 合金中3d 电子的巡游特性。     

Néel TRANSITION OFγ-Fe-Mn-Ge ALLOYS

以磁化率测量及Mssbauer 谱分析研究Ge 含量对γ-Fe-Mn 合金Néel 转变的影响。在0-8.7at-%范围内,Ge 含量增加,磁化率增大。在T>T_N 时,合金逐渐由Pauli 顺磁性态转变为Curie-Weiss 顺磁性态,在T_N 点处呈现的磁化率尖峰增高,同时Néel 转变温度(T_N)线性下降。随Ge 含量的增多,超精细场分布P(H)的极大值朝低场方向移动,平均内场强度下降。这些结果暗示,增加Ge 含量,促进Fe 原子处的局域净磁矩增强,并减弱γ-Fe-Mn 合金中3d 电子的巡游特性。