即使使用POJO，任务也不能在Flink中序列化

Question

我有一个从CSV文件读取的数据集：

val dataSet = env.readCsvFile[ElecNormNew](
      getClass.getResource("/elecNormNew.arff").getPath,
      pojoFields = Array("date", "day", "period", "nswprice", "nswdemand", "vicprice", "vicdemand", "transfer", "label")

据我所知，ElecNormNew是一个POJO：

// elecNormNew POJO
class ElecNormNew(
  var date: Double,
  var day: Int,
  var period: Double,
  var nswprice: Double,
  var nswdemand: Double,
  var vicprice: Double,
  var vicdemand: Double,
  var transfer: Double,
  var label: String) extends Serializable {

  def this() = {
    this(0, 0, 0, 0, 0, 0, 0, 0, "")
  }
}

我还有一个简单的课程：

case class Discretizer[T](
  data: DataSet[T],
  nBins: Int = 5,
  s: Int = 1000) {

  private[this] val log = LoggerFactory.getLogger("Discretizer")
  private[this] val V = Vector.tabulate(10)(_ => IntervalHeap(nBins, 1, 1, s))

  private[this] def updateSamples(x: T): Vector[IntervalHeap] = {
    log.warn(s"$x")
    V
  }

  def discretize() = {
    data map (x => updateSamples(x))
  }
}

但当我尝试使用它时，例如从测试中：

val a = new Discretizer[ElecNormNew](dataSet)
a.discretize

我得到以下错误：

org.apache.flink.api.common.InvalidProgramException: Task not serializable
// ...
[info]     at com.elbauldelprogramador.discretizers.IDADiscretizer.discretize(IDADiscretizer.scala:69)
// ...
[info]     Cause: java.io.NotSerializableException: org.apache.flink.api.scala.DataSet
// ...

我读过这些问题和答案，但运气不好：

• 任务不可序列化Flink
• 无法在scala中序列化任务
• 任务不可序列化：java。伊奥。仅在类而非对象上调用闭包外函数时NotSerializableException

Answer 1

我想说你提到的第一个链接提供了答案：

问题在于，您从MapFunction中引用了数据集页面。这是不可能的，因为数据集只是数据流的逻辑表示，不能在运行时访问。

离散化使用map，因此这里也适用。