以下是分析ads的單行數據量超過1000萬時，map任務出現600s time out的問題：
1、map函數調用cpu消耗profile
以下是map函數調用cpu消耗profile圖：
以上是用戶代碼函數調用cpu使用總的情況，下圖是上圖中紅圈框出來的更底層函數調用cpu使用情況：
從圖上看出，cpu98%的時間都消耗在getObjectFunction()、getHessian()和getGradient()方法上，進一步分析這三個方法下面的調用情況，這三個方法分別調用第三方math3包下面Gamma類的三個方法，這說明該job比較耗cpu的地方其實都是在調用第三方包的時候。
2、2.4集羣單行數據處理時間統計
單行數據量100萬、300萬、700萬和1000萬分別平均處理時間，以及處理時間柱狀圖：
可以看出，根據數據量的增長，處理時間基本是按線性增長的。
下面重點來看一下單行1000萬數據量處理時間詳細信息，以下是在2.4集羣的gate way分別提交了三次job的情況：
但是在處理part-00027文件時，平均處理時間爲7544s，約2小時5分鐘左右，從上表看出，單行數據量1000萬時，平均處理時間5000s，約1小時20分鐘左右，第一個job處理時間最大花了8696s，約2小時25分鐘左右。
以下看一下處理part-00027文件的map任務內存和cpu使用情況：
(1)、內存使用情況：
根據RM頁面找到對應的NM，在找到對應的container，根據jstat -gcutil命令查看內存使用情況：
可以看出老年代內存使用爲75%，不是因爲內存不足導致頻繁Full GC而出現的問題。
(2)、cpu使用情況：
執行top命令查看cpu使用情況：
由於是單線程處理，cpu使用爲101%，說明該map任務是cpu密集型任務，該任務的瓶頸在計算上。
總結：
既然該job不能從代碼層面進行優化，就只能修改參數了，最好的解決辦法是延長map任務的超時時間爲3小時，既10800000ms，代碼如下：
conf.setInt("mapred.task.timeout", 10800000);