JAVA在一台机器上进行分布式处理（我知道这很讽刺）

我正在创建一个（半）大数据分析应用程序。我正在使用apache mahout。我担心的是，对于java，我的内存限制为4gb。这种4gb限制似乎有点浪费了现代计算机所拥有的内存。作为解决方案，我正在考虑使用RMI或某种形式的MapReduce。（到目前为止，我还没有这两方面的经验）

首先：让多个JVM在一台机器上运行并让它们对话是否合理？如果是这样的话，我是否正朝着上述两个想法的正确方向前进

此外,

为了让这成为一个客观的问题，我将避免问“哪个更好”，而是会问：

1） 关键的区别是什么（不一定是在内部如何工作，而是在我这个用户将如何实现它们）

2） 其中一种方法是否存在缺点或优点，是否存在使用其中一种方法的特定情况

3） 有没有其他更符合我需求的替代方案

---

提前感谢

首先，重新设置4GB限制，请退出。在32位系统上，4GB是最大值，但在64位系统上，限制要高得多

在同一台机器上运行和通信多个jvm是一种常见的配置。IBM Websphere和Oracle的Weblogic应用服务器就是两个很好的例子。它们在一个jvm中运行管理控制台，在它的控制下有三个或更多“工作”jvm并不罕见

这允许每个JVM独立地失败，而不会影响整个系统的反应性。恢复对最终用户来说是透明的，因为一些“正在工作”的jvm仍然在做他们的事情，而支持团队正疯狂地试图修复这些事情

您提到了RMI和MapReduce，但其方式意味着它们在体系结构（通信）中填充了相同的插槽。我认为有必要指出，它们占用不同的时间段——RMI是一种通信机制，而MapReduce是一种工作负载管理策略。MapReduce环境作为一个整体，通常取决于是否有（任何）通信机制，而不是通信机制本身

对于通信层，您可以选择RMI、Web服务、裸套接字、MQ、共享文件和臭名昭著的“运动鞋网络”。在很大程度上，我建议避开RMI，因为它相对脆弱。只要没有意外发生，它就可以工作，但在繁忙的生产环境中，它可能在意外的时候带来挑战。尽管如此，围绕RMI构建了许多稳定且性能良好的大型系统

本周，全球跨层通信的发展方向是在类似spring集成或fuse的基础上实现SOA。SOA将通信机制从等式中抽象出来，允许您动态地（或多或少地）连接事物

MapReduce（MR）是一种组织批处理工作的方法。MR算法本身本质上是将输入数据转换成一组输入映射，然后将其减少到生成输出所需的最小数量。MR环境通常由工作负载管理器管理，该管理器接收作业，并将作业中的工作分配给遍布网络的“工蜂”。通信机制可由MR库或其运行的容器定义

---

这有用吗？

是的，非常有用！4GB是由于32位字大小造成的。这根本不是“使用Java”的问题。