Java 应用程序引擎：内存是如何工作的？（与应用程序引擎一起使用Mahout）

我正在尝试将Mahout与应用程序引擎一起使用。出现了一些问题，但我现在的主要问题是：如果模型太大而无法保存在内存中，我如何提出建议

我使用的是memcache，但是Mahout数据模型在默认情况下是不可序列化的。我正在序列化FastIDSet，但是当我必须提出建议时，我必须从memcache中获取FastIDSet，将其用作推荐程序的参数，然后提出建议

这很好，但将两者都保留在内存中会导致堆空间错误，即使我的数据库不是太大（19MB）

我不能分块做这件事，因为Mahout确实希望用完整的数据模型初始化

有人有过这个问题的经验吗

---

谢谢，祝您愉快。

我想好了，必须在appengine-web.xml中设置缩放比例

---

如果我不得不太频繁地从fastIDSET重建模型，仍在考虑推荐者的速度。

您正在使用一些旧的、正在贬值的技术。新的Mahout关联引擎，称为SimilarityAnalysis.coccurrence，用于Apache 2许可下的端到端推荐程序中。查看，它基于Spark Mahout的工作，并使用搜索引擎提供建议

顺便说一句，我是一名Mahout提交人，致力于此，并不是无缘无故地贬低Mahout的老推荐人：-）