Hadoop的mapreduce作业通常有如下描述时，会不够高效,如下笔记 ：
在tasktracker进程中加入如下配置：-verbose:gc -XX:+PrintGCDetails，然后tasktrakcer就会在运行过程中将GC的detail信息打印到log中，根据log观察，如果能够看到jvm花了很多的时间来做垃圾回收，那么通常，程序中new 了太多的不必要的对象。
在自己的源代码中grep一下“new Text”或者“new IntWritable”，如果在某些循环中找到这样的代码，或者mapper或者reducer中找到这样的代码，通常代码就不够高效。
以上tips在tasks被限制在内存中时通常都非常有效。
对于mapredcue的新手来说，常常会犯这样的一个错误，在自己的程序中大量的new Writable对象。尤其是在mapper函数或者reducer函数中。例如，有些人可能会这样来实现wordcunt：
public void map(...) {
...
for (String word : words) {
output.collect(new Text(word), new IntWritable(1));
}
}
这种实现会造成：非常非常多的临时对象被分配内存。
这样会造成jvm花费很多的时间来进行垃圾回收。正确的做法是：
class MyMapper ... {
Text wordText = new Text();
IntWritable ne = new IntWritable(1);
public void map(...) {
...
for (String word : words) {
wordText.set(word);
output.collect(word, one);
}
}
}
这就是说，在mapreduce中，Writable对象是可重用的，其实这也是hadoop中为什么会使用
writable对象（如Text，IntWritable等），而不是采用原声的java
对应对象的原因。
测试对比:
当把wordcount的代码修改成以上的样子，job的运行时间并没有太大的改变，但是这是因为在配置中默认设定了每个task的heap size的最大为1GB，所以GC在jvm的内存占用没有到一定阈值的时候根本就没有运行。但是，如果将heap size修改为200MB，那么原本8分30秒能完成的作业，变成了17分钟才能完成。所以，在hadoop的mapreduce代码书写的时候，注意这样的一些小技巧 ，是非常有用的。
更多Hadoop相关信息见Hadoop 专题页面 ?tid=13