Sto sperimentando il caricamento di dati più grandi della dimensione della memoria in h2o.Caricamento di dati più grandi della dimensione della memoria in h2o
H2o blog cita: A note on Bigger Data and GC: We do a user-mode swap-to-disk when the Java heap gets too full, i.e., you’re using more Big Data than physical DRAM. We won’t die with a GC death-spiral, but we will degrade to out-of-core speeds. We’ll go as fast as the disk will allow. I’ve personally tested loading a 12Gb dataset into a 2Gb (32bit) JVM; it took about 5 minutes to load the data, and another 5 minutes to run a Logistic Regression.
Ecco il codice per la connessione a R
h2o 3.6.0.8
:
h2o.init(max_mem_size = '60m') # alloting 60mb for h2o, R is running on 8GB RAM machine
dà
java version "1.8.0_65"
Java(TM) SE Runtime Environment (build 1.8.0_65-b17)
Java HotSpot(TM) 64-Bit Server VM (build 25.65-b01, mixed mode)
.Successfully connected to http://127.0.0.1:54321/
R is connected to the H2O cluster:
H2O cluster uptime: 2 seconds 561 milliseconds
H2O cluster version: 3.6.0.8
H2O cluster name: H2O_started_from_R_RILITS-HWLTP_tkn816
H2O cluster total nodes: 1
H2O cluster total memory: 0.06 GB
H2O cluster total cores: 4
H2O cluster allowed cores: 2
H2O cluster healthy: TRUE
Note: As started, H2O is limited to the CRAN default of 2 CPUs.
Shut down and restart H2O as shown below to use all your CPUs.
> h2o.shutdown()
> h2o.init(nthreads = -1)
IP Address: 127.0.0.1
Port : 54321
Session ID: _sid_b2e0af0f0c62cd64a8fcdee65b244d75
Key Count : 3
ho provato a caricare un 169 MB CSV in h2o.
dat.hex <- h2o.importFile('dat.csv')
che ha generato un errore,
Error in .h2o.__checkConnectionHealth() :
H2O connection has been severed. Cannot connect to instance at http://127.0.0.1:54321/
Failed to connect to 127.0.0.1 port 54321: Connection refused
che è indicativo di fuori della memoria error.
Domanda: Se H2o promette di caricare un set di dati più grande della sua capacità di memoria (meccanismo di scambio su disco come dice la citazione del blog sopra), è questo il modo corretto di caricare i dati?
Grazie cliff. Stavo cercando di testare la funzione 'swap-to-disk' per limitare l'uso della RAM di H2O. Farò quel rilascio sanguinante e più RAM. – talegari
@Cliff, ha qualcuno che conosci, ha provato a usare lo swap-to-disk su un dispositivo a disco a stato solido PCIE3-NMVe-M.2 molto più veloce (ordine di grandezza più veloce) come un Samsung 960 Pro? La mia fortuna è stata che continuo a trovare set di dati che sono solo un po 'troppo grandi per il mio sistema ... Potrei costruire un data mining rig specifico per l'uso con H2O e uno di questi, e con tutta la RAM che posso permettermi . –