我的任务是安装和配置一个两节点集群，作为hadoop的概念证明。集群包含一台既是主机又是从机的机器，另一台是从机。它们都安装在具有16gb ram的Ubuntu14.04虚拟机上。
所以我在两台机器上都安装了hadoop2.4，hdfs、yarn、hive等都运行成功。我现在的问题是，一旦我开始添加更大的文件/更多的数据，查询速度就会非常慢。
例如，从程序中选择count（）。程序包含45000行，总计约2.5 mb。初始化后，只需几秒钟即可得到结果。现在，在另一个包含近1700万行（3.6gb）的表上运行相同的查询要花费更长的时间（我知道这是应该的）。如果在这个大表上运行count（），或对其进行修改，则需要的时间量是可变的。第一次需要4分钟。我在第一次完成后立即运行它，需要17分钟。两次跑步之间没有什么变化，所以我不确定是怎么回事。在长时间运行期间，机器经常会冻结，对任何输入都没有React。map将保持在0%5分钟，跳到30%左右，然后缓慢增加。
我的问题是：这种行为正常吗？如果我立即再次运行同一个作业，我会期望它具有一致的运行时间。也许ubuntu有一个潜在的问题，我不确定。如果我在一个工作中监视cpu或磁盘的使用情况，它们都不会是疯狂的高区域，所以我不知道它挂在哪里。查看日志文件不会显示任何异常。如果作业特别慢（超过45分钟），日志文件将显示一堆sockettimeoutexceptions。
我玩过不同的配置选项，但似乎没有什么真正的帮助。
任何帮助都将不胜感激。