在许多情况下，除非对c代码进行仔细的优化，否则java（在编写良好的情况下）将产生与c类似的性能。令人惊讶的是，在许多情况下，编写良好的java代码的性能确实优于c代码，因为c代码是在编译时优化的，而java热点编译器是在运行时优化的（在运行时它有关于每个代码路径使用频率的统计信息）。如果您收集了类似的统计信息，并且这些统计信息不会根据您的数据而改变，那么您有时可以向c编译器提供提示，例如使用 __builtin_expect() 在某些c编译器中可用。但这真的很难做到。
但是请记住，java的某些部分价格很高：
从不使用 Collection<Integer> , ArrayList<Double> 等进行计算，因为装箱成本。这些在热循环中非常昂贵。
考虑使用比 BufferedReader . hadoop使用 Text 而不是 String -缓冲区回收降低了i/o成本。
启动成本。你的应用程序应该长时间运行，而不是经常重启。
对于hadoop，记住hadoop流不是免费的。如果您还没有意识到：hadoop流媒体本身是用java实现的。所有数据都将通过java。hadoop streaming是一个java应用程序，它启动脚本应用程序，向其中写入数据（即序列化数据！），并读回输出（反序列化数据！）。除了实际的程序成本外，您几乎可以获得所有的java成本：hadoop streaming是一个用java编写的Map器，它将数据传递给外部程序，读回答案，然后将其返回给hadoop。对一些简单的东西进行基准测试，比如用c编写的字数统计与用java优化的字数统计，看看两者的区别。
对于你的实际任务，做hac：首先确保你有一个工作相似性。没有什么比构建一个大规模的聚类算法更糟糕的了，仅仅是为了发现它不起作用，因为你不能用一种有意义的方式来度量相似性。首先在小样本上解决问题，然后扩大规模。

如果这真的很重要的话，你就必须对他们每个人都进行分析。没有办法预先说清楚。
我的直觉是，一个简单的java实现的性能将类似于原生c，除非您开始手动优化后者。
请记住，mapreduce的io时间通常很高，尤其是在读取文本文件时。所以做几百遍的kmeans或者计算一个svd可能并没有那么昂贵。所以你也要测量这方面。