我在Scala和Play2中使用Spark。4.首先,我看到了这个线程:Task not serializable:java。伊奥。仅在类而非对象上调用闭包外函数时NotSerializableException
如果我们将一个方法传递给Spark,它会尝试序列化整个类,我同意这个事实。
我的代码,会更清晰:
class GPSSparkServiceImpl @Inject() (val stepService: StepDbService, val coordinateService: CoordinateService) extends GPSSparkService with Serializable{
/**
* Spark config
* Set Master node and AppName
*/
val conf = new SparkConf().setAppName("Editus GPS").setMaster("local[2]")
/**
* Initialize Spark Context
*/
val sc = new SparkContext(conf)
override def execute() = {
val logData = sc.textFile("file://C://work/csv/gps.csv").cache()
val numAs = logData.filter(line => line.contains("a")).count()
println("Lines with a: %s".format(numAs))
}
override def generateUserToStep(): Unit = {
val futureSteps = stepService.findAll()
futureSteps onSuccess{
case steps =>
val data = sc.textFile("file://C://work/csv/gps.csv").cache()
val result = data.flatMap(line => steps.map(step => (line, step))).filter { tuple =>
coordinateService.checkProximity(
coordinateService.coordinateToDistanceInMeters(
tuple._1.split(";")(1).toDouble, tuple._1.split(";")(2).toDouble, tuple._2.gpsCoordinate.latitude, tuple._2.gpsCoordinate.longitude
), tuple._2
)
}.count()
println("result: " + result + " for " + steps.length + " steps")
}
}
}
正如你所看到的,我在火花中使用了2个方法:Check Proximity
和协调服务
中的坐标-距离-仪表,它们将被注入为协调服务Impl
,并且这个类是可序列化的。类中的所有对象都是可序列化的。
协调服务Impl:
class CoordinateServiceImpl @Inject() (val config: Configuration) extends CoordinateService with Serializable{
override def coordinateToDistanceInMeters(lat1: Double, lng1: Double, lat2: Double, lng2: Double): Double = {
val earthRadius: Double = 6371000
val dLat: Double = Math.toRadians(lat2-lat1)
val dLng: Double = Math.toRadians(lng2-lng1)
val a: Double = Math.sin(dLat/2) * Math.sin(dLat/2) +
Math.cos(Math.toRadians(lat1)) * Math.cos(Math.toRadians(lat2)) *
Math.sin(dLng/2) * Math.sin(dLng/2)
val c: Double = 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1-a))
earthRadius * c
}
override def checkProximity(distance: Double, step: Step): Boolean =
distance < step.acceptableProximity
}
为什么我面对的SparkConf是不可序列化的,这是在实际的类中?我甚至没有使用它的任何方法。也许我错过了什么......
stacktrace:
org.apache.spark.SparkException: Task not serializable
at org.apache.spark.util.ClosureCleaner$.ensureSerializable(ClosureCleaner.scala:166)
at org.apache.spark.util.ClosureCleaner$.clean(ClosureCleaner.scala:158)
at org.apache.spark.SparkContext.clean(SparkContext.scala:1623)
at org.apache.spark.rdd.RDD.filter(RDD.scala:303)
at services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1.applyOrElse(GPSSparkServiceImpl.scala:
41)
at services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1.applyOrElse(GPSSparkServiceImpl.scala:
38)
at scala.concurrent.Future$$anonfun$onSuccess$1.apply(Future.scala:117)
at scala.concurrent.Future$$anonfun$onSuccess$1.apply(Future.scala:115)
at scala.concurrent.impl.CallbackRunnable.run(Promise.scala:32)
at scala.concurrent.impl.ExecutionContextImpl$AdaptedForkJoinTask.exec(ExecutionContextImpl.scala:121)
at scala.concurrent.forkjoin.ForkJoinTask.doExec(ForkJoinTask.java:260)
at scala.concurrent.forkjoin.ForkJoinPool$WorkQueue.pollAndExecAll(ForkJoinPool.java:1253)
at scala.concurrent.forkjoin.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1346)
at scala.concurrent.forkjoin.ForkJoinPool.runWorker(ForkJoinPool.java:1979)
at scala.concurrent.forkjoin.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:107)
Caused by: java.io.NotSerializableException: org.apache.spark.SparkConf
Serialization stack:
- object not serializable (class: org.apache.spark.SparkConf, value: org.apache.spark.SparkConf@1b0321ae)
- field (class: services.gps.spark.GPSSparkServiceImpl, name: conf, type: class org.apache.spark.SparkConf)
- object (class services.gps.spark.GPSSparkServiceImpl, services.gps.spark.GPSSparkServiceImpl@458c4049)
- field (class: services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1, name: $outer, type: clas
s services.gps.spark.GPSSparkServiceImpl)
- object (class services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1, <function1>)
- field (class: services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1$$anonfun$3, name: $outer,
type: class services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1)
- object (class services.gps.spark.GPSSparkServiceImpl$$anonfun$generateUserToStep$1$$anonfun$3, <function1>)
at org.apache.spark.serializer.SerializationDebugger$.improveException(SerializationDebugger.scala:38)
at org.apache.spark.serializer.JavaSerializationStream.writeObject(JavaSerializer.scala:47)
at org.apache.spark.serializer.JavaSerializerInstance.serialize(JavaSerializer.scala:80)
at org.apache.spark.util.ClosureCleaner$.ensureSerializable(ClosureCleaner.scala:164)
... 14 more
如果我使用一个对象而不是一个注入的类,它会完美地工作。
object GpsUtils{
def coordinateToDistanceInMeters(lat1: Double, lng1: Double, lat2: Double, lng2: Double): Double = {
val earthRadius: Double = 6371000
val dLat: Double = Math.toRadians(lat2-lat1)
val dLng: Double = Math.toRadians(lng2-lng1)
val a: Double = Math.sin(dLat/2) * Math.sin(dLat/2) +
Math.cos(Math.toRadians(lat1)) * Math.cos(Math.toRadians(lat2)) *
Math.sin(dLng/2) * Math.sin(dLng/2)
val c: Double = 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1-a))
earthRadius * c
}
def checkProximity(distance: Double, step: Step): Boolean =
distance < step.acceptableProximity
}
null 每当我尝试访问sc时,我会得到以下错误。我在这里做错了什么?
这给出的错误如下,任何帮助将是感激的:
我有一个行的RDD,我想基于闭包进行过滤。最终,我想将闭包作为参数传递给正在进行过滤器的方法,但我已经简化了它,我可以用这样简单的东西重现错误。 我尝试将fn放入一个case对象中,这个对象扩展了一个可序列化的特性,在调用过滤器的方法的内部和外部定义了fn。我正在努力弄清楚我需要做什么,而不会出现这些错误。我知道在堆栈溢出上已经有很多关于这个的问题,我一直在寻找一个合适的答案,但我找不到。 更新:
我对Spark,Scala和Cassandra都是新手。使用Spark,我试图从MySQL获取一些ID。 我可以看到在控制台打印的ID。 当我试图在每个提取id上运行相同的函数时 它给出与例外相同的例外 在阅读spark-shell中的Apache spark:“sparkException:Task not serializable”后,我尝试将@transient添加到RDDs中
问题在于Spark数据集和INT列表的序列化。Scala版本是2.10.4,Spark版本是1.6。 这和其他问题类似,但是我不能基于这些回答让它工作。我已经简化了代码,以便仅仅显示问题。 我有一门案例课: 我的主要方法是: 我得到以下错误: 如果我从FlightExt中删除列表,那么一切正常,这表明lambda函数序列化没有问题。 Scala本身似乎序列化了一系列Int的优点。也许Spark在序
问题内容: 我们在Spark上使用Redis来缓存键值对,这是代码: 但是编译器给了我这样的反馈: 有人可以告诉我如何序列化从Redis获得的数据。非常感谢。 问题答案: 在Spark中,s(如此处)上的函数被序列化并发送给执行程序进行处理。这意味着这些操作中包含的所有元素都应该可序列化。 Redis连接不可序列化,因为它打开了到目标DB的TCP连接,该TCP连接已绑定到创建它的机器。 解决方案是