Java Hadoop和重复使用的可变可写字段

下面是Apache教程中发布的单词计数作业实现的一个片段

public static class TokenizerMapper  extends Mapper<Object, Text, Text, IntWritable>{
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
    ) throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}

公共静态类TokenizerMapper扩展映射器{
私有最终静态IntWritable one=新的IntWritable（1）；
私有文本字=新文本（）；
公共无效映射（对象键、文本值、上下文
)抛出IOException、InterruptedException{
StringTokenizer itr=新的StringTokenizer（value.toString（））；
而（itr.hasMoreTokens（））{
set（itr.nextToken（））；
上下文。写（单词，一）；
}
}
}

重复使用

文本单词

字段有什么好处吗

---

我在很多Hadoop程序中都看到过这种情况，这个类的实例化非常繁重，以至于重用可以提高性能。如果没有，为什么人们要这样做，而不是像

context.write（newtext（itr.nextToken（）），one）
您是正确的，因为
文本
对象的实例化并不繁重。然而，如果你要处理数十亿条记录，那么你就需要在每条记录上尽可能地减少纳秒。每次创建一个新的
Text
对象时，Java都必须为它分配内存，跟踪它，然后在某个时候对它进行垃圾收集。这一次真的可以在大的工作中积累起来。
与什么相反？@PM77-1重复使用单词字段，而不是根据需要实例化文本对象Clear DRY principle。@PM77-1如何？没有重复。也许这个问题也能在某种程度上帮助你，我认为这种微观优化只会增加实现的复杂性。大多数刚接触Java/Hadoop的人可能不明白你不必这么做，但是像其他代码一样，把它捡起来，并在其他地方合并。最干净的代码并不总是性能最好的。我认为Java新手不应该编写MapReduce，但是官方文档可以有一条注释解释为什么他们重用
文本
。